آموزش آمار برای علم داده و تجزیه و تحلیل کسب و کار

Statistics for Data Science and Business Analysis

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: آماری که در دفتر نیاز دارید: آمار توصیفی و استنباطی، آزمون فرضیه، تحلیل رگرسیون آشنایی با اصول آمار یاد بگیرید چگونه با انواع مختلف داده ها کار کنید نحوه ترسیم انواع مختلف داده ها محاسبه معیارهای تمایل مرکزی، عدم تقارن و تغییرپذیری محاسبه همبستگی و کوواریانس تشخیص و کار با انواع مختلف توزیع تخمین فواصل اطمینان انجام آزمایش فرضیه اتخاذ تصمیمات مبتنی بر داده درک مکانیک تحلیل رگرسیون انجام تجزیه و تحلیل رگرسیون استفاده و درک متغیرهای ساختگی درک مفاهیم مورد نیاز برای علم داده حتی با پایتون و R! پیش نیازها: مطلقاً نیازی به تجربه نیست. ما از اصول اولیه شروع می کنیم و به تدریج دانش شما را تقویت می کنیم. همه چیز در دوره است. تمایل به یادگیری و تمرین

آیا می خواهید به عنوان یک تحلیلگر بازاریابی، یک تحلیلگر هوش تجاری، یک تحلیلگر داده یا یک دانشمند داده کار کنید؟

و می‌خواهید مهارت‌های کمی مورد نیاز برای کار را کسب کنید؟

خب پس، به جای درستی آمده‌اید!

آمار برای علم داده و تجزیه و تحلیل کسب و کار اینجا برای شماست! (با الگوهای موجود در اکسل)

از اینجا شروع می کنید. و این شروع عالی است!

در کمترین زمان، مهارت‌های اساسی را به دست خواهید آورد که به شما امکان می‌دهد تحلیل‌های آماری پیچیده را که مستقیماً در موقعیت‌های زندگی واقعی قابل استفاده است، درک کنید. ما یک دوره ایجاد کرده ایم که عبارت است از:

  • به راحتی قابل درک است

  • جامع

  • عملی است

  • به اصل مطلب

  • مملو از تمرینات و منابع فراوان

  • داده محور

  • شما را با زبان علمی آماری آشنا می کند

  • در مورد تجسم داده ها به شما آموزش می دهد

  • ارکان اصلی تحقیقات کمی را به شما نشان می دهد

بر کسی پوشیده نیست که بسیاری از این موضوعات به صورت آنلاین توضیح داده شده است. هزاران بار. با این حال، یافتن یک برنامه ساختاریافته که به شما درک کند چرا از آزمون‌های آماری خاصی اینقدر زیاد استفاده می‌شود، تقریباً غیرممکن است. بسته‌های نرم‌افزاری مدرن و زبان‌های برنامه‌نویسی بیشتر این فعالیت‌ها را خودکار می‌کنند، اما این دوره چیزی ارزشمندتر را به شما می‌دهد - توانایی‌های تفکر انتقادی. کامپیوترها و زبان های برنامه نویسی مانند کشتی هایی در دریا هستند. آنها کشتی های خوبی هستند که شما را به مقصد مورد نظر می برند، اما این به شما، دانشمند مشتاق داده یا تحلیلگر BI بستگی دارد که آنها را در مسیر درست هدایت کنید و آنها را در مسیر درست هدایت کنید.

آموزش علاقه ماست

ما چندین ماه تمام وقت کار کردیم تا بهترین دوره آمار ممکن را ایجاد کنیم که بیشترین ارزش را برای شما داشته باشد. ما می خواهیم شما موفق شوید، به همین دلیل است که هدف این دوره تا حد امکان جذاب است. انیمیشن‌های باکیفیت، مطالب درسی عالی، سوالات مسابقه، جزوه‌ها و یادداشت‌های درسی، و همچنین واژه‌نامه با تمام اصطلاحات جدیدی که یاد خواهید گرفت، تنها بخشی از امتیازاتی است که با اشتراک به دست خواهید آورد.

چه چیزی این دوره را از بقیه دوره های آماری متفاوت می کند؟

  • تولید با کیفیت بالا – ویدیو و انیمیشن HD (این مجموعه ای از سخنرانی های خسته کننده نیست!)

  • مدرس دانا (یک ریاضیدان و آماردان ماهر که در سطح بین المللی رقابت کرده است)

  • آموزش کامل - ما تمام موضوعات و مهارت های مهم آماری را که برای تبدیل شدن به یک تحلیلگر بازاریابی، یک تحلیلگر هوش تجاری، یک تحلیلگر داده یا یک دانشمند داده نیاز دارید، پوشش خواهیم داد

  • مطالعات موردی گسترده که به شما کمک می کند هر آنچه را که آموخته اید تقویت کنید

  • پشتیبانی عالی - اگر مفهومی را درک نمی‌کنید یا به سادگی می‌خواهید به ما خط بزنید، ظرف 1 روز کاری پاسخی دریافت خواهید کرد

  • پویا - ما نمی‌خواهیم وقت شما را تلف کنیم! مربی سرعت بسیار خوبی را در کل دوره تنظیم می کند

چرا به این مهارت ها نیاز دارید؟

  1. حقوق/درآمد - مشاغل در زمینه علم داده از محبوب‌ترین مشاغل در دنیای شرکت‌های امروزی هستند. و با توجه به اینکه بیشتر کسب و کارها در حال درک مزایای کار با داده های در اختیارشان هستند، این روند فقط به رشد خود ادامه خواهد داد

  2. تبلیغات - اگر آمار را به خوبی درک کنید، می‌توانید از ایده‌های تجاری خود با شواهد کمی پشتیبانی کنید، که راهی آسان برای رشد شغلی است

  3. آینده امن - همانطور که گفتیم، تقاضا برای افرادی که اعداد و داده ها را درک می کنند و می توانند آن را تفسیر کنند، به طور تصاعدی در حال افزایش است. احتمالاً در مورد تعداد مشاغلی که به زودی خودکار می شوند شنیده اید، درست است؟ خب، مشاغل علم داده آنهایی هستند که خودکارسازی می‌کنند، نه خودکار

  4. رشد - این یک کار خسته کننده نیست. هر روز با چالش‌های مختلفی روبرو می‌شوید که مهارت‌های موجود شما را آزمایش می‌کند و از شما می‌خواهد چیز جدیدی بیاموزید

لطفاً به خاطر داشته باشید که دوره با 30 روز ضمانت بازگشت بدون قید و شرط Udemy ارائه می شود. و چرا چنین تضمینی نمی دهید؟ ما مطمئن هستیم که این دوره ارزش زیادی را برای شما فراهم می کند.

روی "اکنون خرید" کلیک کنید و بیایید امروز با هم شروع به یادگیری کنیم!


سرفصل ها و درس ها

معرفی Introduction

  • دوره شامل چه مواردی می شود؟ What does the course cover?

  • دانلود تمامی منابع Download all resources

داده های نمونه یا جمعیت؟ Sample or population data?

  • درک تفاوت بین یک جامعه و یک نمونه Understanding the difference between a population and a sample

  • جمعیت در مقابل نمونه Population vs sample

مبانی آمار توصیفی The fundamentals of descriptive statistics

  • انواع مختلف داده هایی که می توانیم با آنها کار کنیم The various types of data we can work with

  • انواع داده ها Types of data

  • سطوح اندازه گیری Levels of measurement

  • سطوح اندازه گیری Levels of measurement

  • متغیرهای طبقه بندی شده تکنیک های تجسم برای متغیرهای طبقه بندی شده Categorical variables. Visualization techniques for categorical variables

  • متغیرهای طبقه بندی شده تکنیک های تجسم Categorical variables. Visualization Techniques

  • متغیرهای طبقه بندی شده تکنیک های تجسم ورزش Categorical variables. Visualization techniques. Exercise

  • متغیرهای عددی استفاده از جدول توزیع فرکانس Numerical variables. Using a frequency distribution table

  • متغیرهای عددی استفاده از جدول توزیع فرکانس Numerical variables. Using a frequency distribution table

  • متغیرهای عددی استفاده از جدول توزیع فرکانس ورزش Numerical variables. Using a frequency distribution table. Exercise

  • نمودارهای هیستوگرام Histogram charts

  • نمودارهای هیستوگرام Histogram charts

  • نمودارهای هیستوگرام ورزش Histogram charts. Exercise

  • جداول متقاطع و قطعات پراکنده Cross tables and scatter plots

  • جداول متقاطع و نمودارهای پراکنده Cross Tables and Scatter Plots

  • جداول متقاطع و قطعات پراکنده. ورزش Cross tables and scatter plots. Exercise

اندازه گیری گرایش مرکزی، عدم تقارن و تغییرپذیری Measures of central tendency, asymmetry, and variability

  • معیارهای اصلی گرایش مرکزی: میانگین، میانه و حالت The main measures of central tendency: mean, median and mode

  • میانگین، میانه و حالت. ورزش Mean, median and mode. Exercise

  • اندازه گیری چولگی Measuring skewness

  • چولگی Skewness

  • چولگی. ورزش Skewness. Exercise

  • اندازه گیری نحوه پخش داده ها: محاسبه واریانس Measuring how data is spread out: calculating variance

  • واریانس. ورزش Variance. Exercise

  • انحراف معیار و ضریب تغییرات Standard deviation and coefficient of variation

  • انحراف معیار Standard deviation

  • انحراف معیار و ضریب تغییرات. ورزش Standard deviation and coefficient of variation. Exercise

  • محاسبه و درک کوواریانس Calculating and understanding covariance

  • کوواریانس. ورزش Covariance. Exercise

  • ضریب همبستگی The correlation coefficient

  • همبستگی Correlation

  • ضریب همبستگی Correlation coefficient

مثال عملی: آمار توصیفی Practical example: descriptive statistics

  • مثال عملی Practical example

  • مثال عملی: آمار توصیفی Practical example: descriptive statistics

توزیع ها Distributions

  • مقدمه ای بر آمار استنباطی Introduction to inferential statistics

  • توزیع چیست؟ What is a distribution?

  • توزیع چیست What is a distribution

  • توزیع نرمال The Normal distribution

  • توزیع نرمال The Normal distribution

  • توزیع نرمال استاندارد The standard normal distribution

  • توزیع نرمال استاندارد The standard normal distribution

  • توزیع عادی استاندارد ورزش Standard Normal Distribution. Exercise

  • درک قضیه حد مرکزی Understanding the central limit theorem

  • قضیه حد مرکزی The central limit theorem

  • خطای استاندارد Standard error

  • خطای استاندارد Standard error

برآوردها و برآوردها Estimators and estimates

  • کار با برآوردگرها و برآوردها Working with estimators and estimates

  • برآوردها و برآوردها Estimators and estimates

  • فواصل اطمینان - ابزاری ارزشمند برای تصمیم گیری Confidence intervals - an invaluable tool for decision making

  • فاصله اطمینان Confidence intervals

  • محاسبه فواصل اطمینان در یک جمعیت با یک واریانس شناخته شده Calculating confidence intervals within a population with a known variance

  • فاصله اطمینان. واریانس جمعیت شناخته شده است. ورزش Confidence intervals. Population variance known. Exercise

  • شفاف سازی فاصله اطمینان Confidence interval clarifications

  • توزیع T دانش آموز Student's T distribution

  • توزیع T دانش آموز Student's T distribution

  • محاسبه فواصل اطمینان در یک جمعیت با واریانس ناشناخته Calculating confidence intervals within a population with an unknown variance

  • واریانس جمعیت ناشناخته است. امتیاز T. ورزش Population variance unknown. T-score. Exercise

  • حاشیه خطا چیست و چرا در آمار اهمیت دارد؟ What is a margin of error and why is it important in Statistics?

  • حاشیه خطا Margin of error

فواصل اطمینان: موضوعات پیشرفته Confidence intervals: advanced topics

  • محاسبه فواصل اطمینان برای دو میانگین با نمونه های وابسته Calculating confidence intervals for two means with dependent samples

  • فاصله اطمینان. دو وسیله نمونه های وابسته ورزش Confidence intervals. Two means. Dependent samples. Exercise

  • محاسبه فواصل اطمینان برای دو میانگین با نمونه های مستقل (قسمت 1) Calculating confidence intervals for two means with independent samples (part 1)

  • فاصله اطمینان. دو وسیله نمونه های مستقل (قسمت اول). ورزش Confidence intervals. Two means. Independent samples (Part 1). Exercise

  • محاسبه فواصل اطمینان برای دو میانگین با نمونه های مستقل (قسمت 2) Calculating confidence intervals for two means with independent samples (part 2)

  • فاصله اطمینان. دو وسیله نمونه های مستقل (قسمت دوم). ورزش Confidence intervals. Two means. Independent samples (Part 2). Exercise

  • محاسبه فواصل اطمینان برای دو میانگین با نمونه های مستقل (قسمت 3) Calculating confidence intervals for two means with independent samples (part 3)

مثال عملی: آمار استنباطی Practical example: inferential statistics

  • مثال عملی: آمار استنباطی Practical example: inferential statistics

  • مثال عملی: آمار استنباطی Practical example: inferential statistics

آزمون فرضیه ها: مقدمه Hypothesis testing: Introduction

  • فرضیه صفر و جایگزین The null and the alternative hypothesis

  • مطالعه بیشتر در مورد فرضیه های صفر و جایگزین Further reading on null and alternative hypotheses

  • پوچ در مقابل جایگزین Null vs alternative

  • ایجاد منطقه رد و سطح اهمیت Establishing a rejection region and a significance level

  • منطقه رد و سطح اهمیت Rejection region and significance level

  • خطای نوع اول در مقابل خطای نوع دوم Type I error vs Type II error

  • خطای نوع اول در مقابل خطای نوع دوم Type I error vs type II error

تست فرضیه: بیایید آزمایش را شروع کنیم! Hypothesis testing: Let's start testing!

  • میانگین را تست کنید. واریانس جمعیت شناخته شده است Test for the mean. Population variance known

  • میانگین را تست کنید. واریانس جمعیت شناخته شده است. ورزش Test for the mean. Population variance known. Exercise

  • p-value چیست و چرا یکی از مفیدترین ابزارها برای آماردانان است What is the p-value and why is it one of the most useful tools for statisticians

  • مقدار p p-value

  • میانگین را تست کنید. واریانس جمعیت ناشناخته است Test for the mean. Population variance unknown

  • میانگین را تست کنید. واریانس جمعیت ناشناخته است. ورزش Test for the mean. Population variance unknown. Exercise

  • میانگین را تست کنید. نمونه های وابسته Test for the mean. Dependent samples

  • میانگین را تست کنید. نمونه های وابسته ورزش Test for the mean. Dependent samples. Exercise

  • میانگین را تست کنید. نمونه های مستقل (قسمت اول) Test for the mean. Independent samples (Part 1)

  • میانگین را تست کنید. نمونه های مستقل (قسمت اول) Test for the mean. Independent samples (Part 1)

  • میانگین را تست کنید. نمونه های مستقل (قسمت 2) Test for the mean. Independent samples (Part 2)

  • میانگین را تست کنید. نمونه های مستقل (قسمت 2) Test for the mean. Independent samples (Part 2)

  • میانگین را تست کنید. نمونه های مستقل (قسمت دوم). ورزش Test for the mean. Independent samples (Part 2). Exercise

مثال عملی: آزمون فرضیه Practical example: hypothesis testing

  • مثال عملی: آزمون فرضیه Practical example: hypothesis testing

  • مثال عملی: آزمون فرضیه Practical example: hypothesis testing

مبانی تحلیل رگرسیون The fundamentals of regression analysis

  • مقدمه ای بر تحلیل رگرسیون Introduction to regression analysis

  • معرفی Introduction

  • همبستگی و علیت Correlation and causation

  • همبستگی و علیت Correlation and causation

  • مدل رگرسیون خطی آسان شد The linear regression model made easy

  • مدل رگرسیون خطی The linear regression model

  • تفاوت بین همبستگی و رگرسیون چیست؟ What is the difference between correlation and regression?

  • همبستگی در مقابل رگرسیون Correlation vs regression

  • نمایش هندسی مدل رگرسیون خطی A geometrical representation of the linear regression model

  • نمایش هندسی مدل رگرسیون خطی A geometrical representation of the linear regression model

  • یک مثال عملی - یادگیری تقویت شده A practical example - Reinforced learning

ظرافت های تحلیل رگرسیون Subtleties of regression analysis

  • تجزیه مدل رگرسیون خطی - درک مهره ها و پیچ های آن Decomposing the linear regression model - understanding its nuts and bolts

  • تجزیه Decomposition

  • R-squared چیست و چگونه به ما کمک می کند؟ What is R-squared and how does it help us?

  • R-squared R-squared

  • تنظیم حداقل مربعات معمولی و کاربردهای عملی آن The ordinary least squares setting and its practical applications

  • تنظیم حداقل مربعات معمولی و کاربردهای عملی آن The ordinary least squares setting and its practical applications

  • مطالعه جداول رگرسیون Studying regression tables

  • مطالعه جداول رگرسیون Studying regression tables

  • جداول رگرسیون ورزش Regression tables. Exercise

  • مدل رگرسیون خطی چندگانه The multiple linear regression model

  • مدل رگرسیون خطی چندگانه The multiple linear regression model

  • R-squared تنظیم شده The adjusted R-squared

  • R-squared تنظیم شده The adjusted R-squared

  • آمار F به ما چه چیزی را نشان می دهد و چرا باید آن را درک کنیم؟ What does the F-statistic show us and why do we need to understand it?

مفروضات تحلیل رگرسیون خطی Assumptions for linear regression analysis

  • مفروضات OLS OLS assumptions

  • مفروضات OLS OLS assumptions

  • A1. خطی بودن A1. Linearity

  • A1. خطی بودن A1. Linearity

  • A2. بدون درون زایی A2. No endogeneity

  • A2. بدون درون زایی A2. No endogeneity

  • A3. عادی بودن و همجنسگرایی A3. Normality and homoscedasticity

  • A3. عادی بودن و همجنسگرایی A3. Normality and homoscedasticity

  • A4. بدون خود همبستگی A4. No autocorrelation

  • A4. بدون خود همبستگی A4. No autocorrelation

  • A5. بدون چند خطی A5. No multicollinearity

  • A5. بدون چند خطی A5. No multicollinearity

برخورد با داده های طبقه بندی شده Dealing with categorical data

  • متغیرهای ساختگی Dummy variables

مثال عملی: تحلیل رگرسیون Practical example: regression analysis

  • مثال عملی: تحلیل رگرسیون Practical example: regression analysis

سخنرانی پاداش Bonus lecture

  • سخنرانی پاداش: مراحل بعدی Bonus lecture: Next steps

نمایش نظرات

آموزش آمار برای علم داده و تجزیه و تحلیل کسب و کار
جزییات دوره
5 hours
92
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
169,003
4.6 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

365 Careers 365 Careers

ایجاد فرصت برای دانشجویان علوم داده و مالی

365 Careers Team 365 Careers Team

ایجاد فرصت برای دانشجویان بازرگانی و مالی