آموزش آمار برای تجزیه و تحلیل داده ها با استفاده از پایتون

Statistics for Data Analysis Using Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: یادگیری پایتون از مبانی • آمار توصیفی و استنباطی • نمودارهایی برای تجسم داده ها • علوم داده پایتون از مبانی - بدون نیاز به دانش قبلی آمار از مبانی - بدون نیاز به دانش قبلی ابتدا مفاهیم آماری اولیه را یاد خواهید گرفت و سپس با استفاده از پایتون از این مفاهیم استفاده می کنید. . این دوره ترکیبی زیبا از تئوری و عمل است. آمار استنباطی - یک و دو نمونه z، t، مجذور کای، آزمون F، ANOVA و موارد دیگر. آمار توصیفی - میانگین، حالت، میانه، انحراف معیار، واریانس و توزیع احتمال دامنه بین ربعی - نرمال، دوجمله ای و پواسون پیش نیازها: ریاضیات پایه مدرسه مفید خواهد بود. شما باید پایتون را بر روی رایانه شخصی یا لپ تاپ خود دانلود و نصب کنید.

محاسبات آماری ساده یا پیچیده را با استفاده از پایتون انجام دهید! - برای این کار نیازی نیست برنامه نویس باشید :)

از شما انتظار نمی رود که هیچ دانش قبلی از پایتون داشته باشید. من با اصول اولیه شروع می کنم. تمرین های کدنویسی برای آزمایش آموخته های شما ارائه شده است.

این دوره نه تنها نحوه انجام تست های آماری با استفاده از پایتون را توضیح می دهد، بلکه به تفصیل نحوه انجام این تست ها را با استفاده از ماشین حساب توضیح می دهد (انگار دهه 1960 بود). این به شما در به دست آوردن شهود واقعی در پشت این تست ها کمک می کند.

آمار را بیاموزید و این مفاهیم را با استفاده از Python در محل کار خود اعمال کنید.

این دوره مفاهیم اولیه مربوط به آمار و تجزیه و تحلیل داده ها را به شما آموزش می دهد و به شما در به کارگیری این مفاهیم کمک می کند. نمونه ها و مجموعه داده های مختلفی برای توضیح برنامه استفاده می شود.

ابتدا تئوری پایه را توضیح خواهم داد و سپس نحوه استفاده از پایتون برای انجام این محاسبات را به شما نشان خواهم داد.

زمینه‌های آمار زیر پوشش داده می‌شوند:

آمار توصیفی - میانگین، حالت، میانه، چارک، محدوده، محدوده بین چارکی، انحراف استاندارد.

تجسم داده - نمودارهای رایج مانند هیستوگرام، باکس و ویسکر پلات و نمودار پراکندگی، با استفاده از کتابخانه های Matplotlib.pyplot و Seaborn.

احتمال - مفاهیم اساسی، جایگشت، ترکیبات

جمعیت و نمونه گیری - مفاهیم اساسی

توزیع‌های احتمال - توزیع‌های عادی، دوجمله‌ای و پواسون

آزمون فرضیه - یک نمونه و دو نمونه - آزمون z، آزمون t، آزمون F و آزمون مجذور کای

ANOVA - تجزیه و تحلیل واریانس (ANOVA) را مرحله به مرحله با انجام محاسبات دستی و با استفاده از پایتون انجام دهید.

خوبی تناسب و جداول احتمالی .




سرفصل ها و درس ها

معرفی Introduction

  • نصب آناکوندا Installing Anaconda

  • شروع کار با Jupyter Notebook Getting started with Jupyter Notebook

  • منابع بخش 1 و اسلایدهای دوره را دانلود کنید Download Section 1 Resources and the Course Slides

  • شروع کار با پایتون Getting started with Python

  • متغیرها و انواع داده ها Variables and Data Types

  • مقدمه‌ای بر تمرین‌های کدنویسی و منابع درسی An Introduction to Coding Excercises and Course Resources

  • مقدمه ای بر تمرین های کدنویسی Introduction to coding exercises

  • راه حل: مقدمه ای بر تمرین های کدنویسی Solution: Introduction to coding exercises

  • کار با لیست - قسمت 1 Working with a List - Part 1

  • یک عنصر را از لیست انتخاب کنید Select an element from the list

  • راه حل: یک عنصر را از لیست انتخاب کنید Solution: Select an element from the list

  • کار با فهرست - قسمت 2 Working with a List - Part 2

  • بررسی لیست ها A review of lists

  • راه حل: بررسی لیست ها Solution: A review of lists

  • کار با دیکشنری Working with a Dictionary

  • کار با تاپل Working with a Tuple

  • کار با یک مجموعه Working with a Set

  • عملگرهای منطقی Logical Operators

آمار توصیفی Descriptive Statistics

  • دانلود منابع بخش 2 Download Section 2 Resources

  • [نظریه] اندازه گیری گرایش مرکزی [Theory] Measurement of Central Tendency

  • [نظریه] اندازه گیری پراکندگی - قسمت 1 [Theory] Measurement of Dispersion - Part 1

  • [نظریه] اندازه گیری پراکندگی - قسمت 2 [Theory] Measurement of Dispersion - Part 2

  • آزمون: آمار توصیفی Quiz: Descriptive Statistics

  • آمار توصیفی با استفاده از پایتون Descriptive Statistics Using Python

  • میانگین، حالت، میانه و انحراف معیار را بیابید Find the mean, mode, median and standard deviation

  • راه حل: میانگین، حالت، میانه و انحراف معیار را بیابید Solution: Find the mean, mode, median and standard deviation

  • محدوده ربع بین را پیدا کنید Find the Inter Quartile Range

  • راه حل: محدوده بین چارکی را پیدا کنید Solution: Find the Inter Quartile Range

بسته NumPy، توزیع‌های احتمالی و مقدمه‌ای بر بسته SciPy NumPy Package, Probability Distributions and an Introduction to SciPy Package

  • دانلود منابع بخش 3 Download Section 3 Resources

  • NumPy - قسمت 1 NumPy - Part 1

  • آرایه دو بعدی Two Dimensional Array

  • راه حل: آرایه دو بعدی Solution: Two Dimensional Array

  • ایجاد یک آرایه Numpy Creating a Numpy array

  • راه حل: ایجاد یک آرایه Numpy Solution: Creating a Numpy array

  • NumPy - قسمت 2 NumPy - Part 2

  • فیلتر کردن از یک آرایه Filtering from an Array

  • راه حل: فیلتر کردن از یک آرایه Solution: Filtering from an Array

  • یک زیربخش از یک آرایه را انتخاب کنید Select a subsection of an Array

  • راه حل: یک زیربخش از یک آرایه را انتخاب کنید Solution: Select a subsection of an Array

  • NumPy - قسمت 3 NumPy - Part 3

  • عناصر آرایه را بر 10 تقسیم کنید Divide the Array elements by 10

  • راه حل: عناصر آرایه را بر 10 تقسیم کنید Solution: Divide the array elements by 10

  • [نظریه] مبانی احتمال - قسمت 1 [Theory] Basics of Probability - Part 1

  • [نظریه] مبانی احتمال - قسمت 2 [Theory] Basics of Probability - Part 2

  • [نظریه] مبانی احتمال - قسمت 3 [Theory] Basics of Probability - Part 3

  • آزمون: مبانی احتمال Quiz: Basics of Probability

  • تولید اعداد تصادفی برای شبیه سازی احتمال Generating Random Numbers to Simulate the Probability

  • نمونه سوال احتمال A Sample Probability Question

  • تولید پنج عدد تصادفی Generate Five Random Numbers

  • راه حل: پنج عدد تصادفی ایجاد کنید Solution: Generate Five Random Numbers

  • [نظریه] توزیع های احتمال - مقدمه [Theory] Probability Distributions - Introduction

  • [نظریه] توزیع دو جمله ای [Theory] Binomial Distribution

  • آزمون: توزیع دو جمله ای Quiz: Binomial Distribution

  • توزیع دو جمله ای با استفاده از NumPy Binomial Distribution Using NumPy

  • معرفی بسته SciPy برای توزیع های دو جمله ای Introducing SciPy Package for Binomial Distributions

  • ورق زدن سکه Flipping a Coin

  • راه حل: چرخاندن یک سکه Solution: Flipping a Coin

  • بیایید دوباره ورق بزنیم Let's Flip Again

  • راه حل: بیایید دوباره ورق بزنیم Solution: Let's Flip Again

  • تعداد نقص در یک انتخاب Number of defectives in a selection

  • راه حل: تعداد نقص در یک انتخاب Solution: Number of defectives in a selection

  • [نظریه] توزیع پواسون [Theory] Poisson Distribution

  • [نظریه] توزیع پواسون - یک مثال [Theory] Poisson Distributions - An Example

  • توزیع پواسون با استفاده از NumPy Poisson Distribution Using NumPy

  • توزیع پواسون با استفاده از SciPy Poisson Distribution Using SciPy

  • دریافت تماس های تلفنی Receiving Phone Calls

  • راه حل: دریافت تماس های تلفنی Solution: Receiving Phone Calls

  • احتمال بیش از 6 تماس Probability of more than 6 calls

  • راه حل: احتمال بیش از 6 تماس Solution: Probability of more than 6 calls

  • [نظریه] توزیع عادی - قسمت 1 [Theory] Normal Distribution - Part 1

  • [نظریه] توزیع عادی - قسمت 2 [Theory] Normal Distribution - Part 2

  • امتحان: اختلال عادی Quiz: Normal Distrubution

  • توزیع عادی با استفاده از NumPy Normal Distribution Using NumPy

  • توزیع عادی با استفاده از SciPy Normal Distribution Using SciPy

  • مساحت منحنی بین دو مقدار z Area of curve between two values of z

  • راه حل: مساحت منحنی بین دو مقدار z Solution: Area of curve between two values of z

  • آمار توصیفی با استفاده از NumPy Descriptive Statistics Using NumPy

  • میانگین ردیف ها Mean of Rows

  • راه حل: میانگین ردیف ها Solution: Mean of Rows

پکیج پاندا Pandas Package

  • منابع بخش 4 را دانلود کنید Download Section 4 Resources

  • سری پانداها Pandas Series

  • Pandas DataFrame Pandas DataFrame

  • یک DataFrame ایجاد کنید Create a DataFrame

  • راه حل: یک DataFrame ایجاد کنید Solution: Create a DataFrame

  • خواندن یک فایل csv. (وارد کردن داده های خارجی) Reading a .csv File (Importing External Data)

  • وارد کردن فایل CSV Importing a CSV file

  • راه حل: وارد کردن یک فایل CSV Solution: Importing a CSV file

  • DataFrame - برخورد با ستون ها DataFrame - Dealing with Columns

  • DataFrame - برخورد با ردیف ها DataFrame - Dealing with Rows

  • دمای هوا در روز دوشنبه چقدر است؟ What is the Temperature on Monday?

  • راه حل: دمای روز دوشنبه چقدر است Solution: What is the Temperature on Monday

تجسم داده ها با استفاده از Matplotlib.pyplot و کتابخانه Seaborn Data Visualization Using Matplotlib.pyplot and Seaborn Libraries

  • دانلود منابع بخش 5 Download Section 5 Resources

  • هیستوگرام با استفاده از matplotlib.pyplot Histogram using matplotlib.pyplot

  • باکس رسم با استفاده از matplotlib.pyplot Box Plot using matplotlib.pyplot

  • نمودارهای خط و پراکندگی با استفاده از matplotlib.pyplot Line and Scatter Plots using matplotlib.pyplot

  • ترسیم نوار با استفاده از matplotlib.pyplot Bar Plot using matplotlib.pyplot

  • ذخیره طرح به صورت .png یا .jpg Saving the plot as .png or .jpg

  • Seaborn - گروهی از قطعات را توزیع کنید Seaborn - Displot group of plots

  • Seaborn - گروه پلات Catplot Seaborn - Catplot group of plots

  • Seaborn - Relplot گروهی از توطئه ها Seaborn - Relplot group of plots

  • تجسم مجموعه داده تایتانیک Visualizing the Titanic dataset

آمار استنباطی و آزمون فرضیه ها - مقدمه Inferential Statistics and Hypothesis Testing - Introduction

  • دانلود منابع بخش 6 Download Section 6 Resources

  • [نظریه] جمعیت در مقابل نمونه ها [Theory] Population vs Samples

  • [نظریه] قضیه حد مرکزی [Theory] Central Limit Theorem

  • آزمون: جمعیت در مقابل نمونه ها + قضیه حد مرکزی Quiz: Population vs Samples + Central Limit Theorem

  • قضیه حد مرکزی - با استفاده از پایتون Central Limit Theorem - Using Python

  • [نظریه] مبانی آزمون فرضیه [Theory] Basics of Hypothesis Testing

  • [نظریه] اهمیت آماری و عملی [Theory] Statistical and Practical Significance

  • [نظریه] فرضیه صفر و جایگزین [Theory] Null and Alternate Hypothesis

  • [نظریه] آزمون فرضیه - مقدمه ای ساده [Theory] Hypothesis Testing - A Simple Introduction

  • [نظریه] انواع خطاها - خطاهای نوع اول و دوم [Theory] Types of Errors - Type I and Type II Errors

  • [نظریه] انواع خطاها - خلاصه [Theory] Types of Errors - Summary

  • [نظریه] آزمون فرضیه - یک مرور کلی [Theory] Hypothesis Testing - An Overview

  • [نظریه] جداول Z - یافتن مقادیر بحرانی [Theory] Z Tables - Finding the Critical Values

  • [نظریه] P-Value [Theory] The p-Value

  • آزمون: مبانی آزمون فرضیه Quiz: Hypothesis Testing Basics

  • تست فرضیه با استفاده از پایتون Hypothesis Testing Using Python

  • 10٪ مساحت در دم سمت راست 10% Area on the Right Tail

  • راه حل: 10٪ منطقه در دم سمت راست Solution: 10% Area on the Right tail

تست فرضیه قسمت 1 (یک نمونه تست) Hypothesis Testing Part 1 (One Sample Tests)

  • دانلود منابع بخش 7 Download Section 7 Resources

  • [نظریه] آزمون‌های میانگین، واریانس و نسبت - مقدمه [Theory] Tests for means, variances and proportions - Introduction

  • [نظریه] یک نمونه آزمون Z - شرایط [Theory] One Sample Z Test - Conditions

  • [نظریه] یک نمونه آزمون Z [Theory] One Sample Z Test

  • یک نمونه آزمون Z - نمونه ها One Sample Z Test - Examples

  • یک نمونه تست Z با استفاده از پایتون One Sample Z Test Using Python

  • تورک سفت کردن بطری های عطر Torque Tightening of Perfume Bottles

  • راه حل: سفت کردن بطری های عطر با گشتاور Solution: Torque Tightening of Perfume Bottles

  • یک آزمون t نمونه One Sample t Test

  • یک تست t نمونه با استفاده از پایتون One Sample t Test Using Python

  • [نظریه] آزمون یک نسبت [Theory] One Proportion Test

  • تست یک نسبت با استفاده از پایتون One Proportion Test Using Python

  • [نظریه] آزمون یک واریانس - مقدمه [Theory] One Variance Test - Introduction

  • [نظریه] آزمون یک واریانس - مثال 1 [Theory] One Variance Test - Example 1

  • [نظریه] آزمون یک واریانس - مثال 2 [Theory] One Variance Test - Example 2

  • تست یک واریانس با استفاده از پایتون One Variance Test Using Python

  • آزمون: تست فرضیه قسمت 1 Quiz: Hypothesis Testing Part 1

تست فرضیه قسمت 2 (دو آزمون نمونه، ANOVA، GoF و جداول احتمالی) Hypothesis Testing Part 2 (Two Sample Tests, ANOVA, GoF & Contingency Tables)

  • منابع بخش 8 را دانلود کنید Download Section 8 Resources

  • [نظریه] دو نمونه z تست - مقدمه [Theory] Two Sample z Test - Introduction

  • [نظریه] دو نمونه z تست - مثال [Theory] Two Sample z Test - Example

  • دو نمونه z تست با استفاده از پایتون Two Sample z Test Using Python

  • دو نمونه z تست با استفاده از پایتون - نکات مجموعه داده Two Sample z Test Using Python - tips Dataset

  • [نظریه] آزمون t دو نمونه - شرایط و محاسبات [Theory] Two Sample t Test - Conditions and Calculations

  • [نظریه] آزمون t دو نمونه - واریانس برابر [Theory] Two Sample t Test - Equal Variance

  • [نظریه] آزمون t دو نمونه - واریانس نابرابر [Theory] Two Sample t Test - Unequal Variance

  • [نظریه] آزمون t دو نمونه - تفسیر بصری [Theory] Two Sample t Test - Visual Interpretation

  • دو تست t نمونه با استفاده از پایتون Two Sample t Test Using Python

  • [نظریه] آزمون t زوجی [Theory] Paired t Test

  • تست t زوجی با استفاده از پایتون Paired t Test Using Python

  • [نظریه] آزمون دو نسبت - مقدمه [Theory] Two Proportions Test - Introduction

  • [نظریه] آزمون دو تناسب - روش ادغام شده در مقابل غیرپول [Theory] Two Proportions Test - Pooled vs Unpooled Method

  • [نظریه] آزمون دو نسبت - نمونه ای از روش تلفیقی [Theory] Two Proportions Test - An Example of Pooled Method

  • تست دو نسبت با استفاده از پایتون Two Proportions Test Using Python

  • [نظریه] آزمون دو واریانس [Theory] Two Variances Test

  • تست دو واریانس با استفاده از پایتون Two Variances Test Using Python

  • [نظریه] ANOVA - مقدمه [Theory] ANOVA - Introduction

  • [نظریه] چرا ANOVA؟ [Theory] Why ANOVA?

  • [نظریه] ANOVA - درک مفهومی [Theory] ANOVA - Conceptual Understanding

  • [تئوری] آمار پشت ANOVA [Theory] Statistics behind ANOVA

  • [تئوری] انجام ANOVA توسط محاسبات دستی [Theory] Performing ANOVA by Manual Calculations

  • انجام ANOVA با استفاده از پایتون Conducting ANOVA Using Python

  • انجام ANOVA با استفاده از Python - mpg Dataset Conducting ANOVA Using Python - mpg Dataset

  • تست تعقیبی (HSD تاکی) Post Hoc Test (Tuckey's HSD)

  • [نظریه] حسن تناسب [Theory] Goodness of Fit

  • تست خوب بودن تناسب با استفاده از پایتون Goodness of Fit Test Using Python

  • [نظریه] جداول احتمالی [Theory] Contingency Tables

  • آزمون: تست فرضیه قسمت 2 Quiz: Hypothesis Testing Part 2

  • جداول احتمالی با استفاده از پایتون Contingency Tables Using Python

بخش پاداش Bonus Section

  • سخنرانی جایزه BONUS LECTURE

نمایش نظرات

نظری ارسال نشده است.

آموزش آمار برای تجزیه و تحلیل داده ها با استفاده از پایتون
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
16 hours
137
Udemy (یودمی) udemy-small
18 شهریور 1400 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
6,614
4.4 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Sandeep Kumar ­ Sandeep Kumar ­

مدیر باتجربه کیفیت • مربی شش سیگما • مشاور PMI-PMP ، حسابرس اصلی ثبت شده IRCA ، ASQ - CSSBB ، CQA ، CQE ، CMQ/OE ، IIA - CIA Sandeep Kumar بیش از 35 سال تجربه مدیریت کیفیت دارد. وی به عنوان مدیر کیفیت/مدیر در تعدادی از پروژه ها از جمله پروژه های برق ، نفت و گاز و زیرساخت کار کرده است. علاوه بر این ، او خدمات مشاوره ای را برای پیاده سازی Lean Six Sigma برای بهبود عملکرد ارائه می دهد. زمینه های تخصصی وی شامل تضمین کیفیت ، ISO 9001: 2015 ، ناب ، شش سیگما ، مدیریت ریسک ، ممیزی QMS ، نظارت بر کیفیت تأمین کننده ، پیش صلاحیت تأمین کننده ، کیفیت ساخت ، بازرسی مکانیکی و آموزش کیفیت است. صلاحیت های حرفه ای: مدارک/گواهینامه های حرفه ای وی شامل موارد زیر است: • ASQ-CSSBB ، کمربند مجاز شش سیگما • ASQ-CMQ/OE مدیر مجاز/تعالی سازمانی • متخصص مدیریت پروژه دارای مجوز PMI-PMP

Abhin Chhabra Abhin Chhabra

مهندس ارشد نرم افزار

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.