نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
این دوره به شما مفاهیم، تئوری و اجرای آمار پایه، احتمال، آزمون فرضیه و تحلیل رگرسیون مورد نیاز برای ساخت و تفسیر مدلهای یادگیری ماشینی معنادار را آموزش میدهد. یادگیری اهمیت p-values و آمار آزمون و نحوه استفاده از آنها پذیرش یا رد فرضیه صفر می تواند شما را به بررسی انواع مختلف آزمون t و یادگیری انتخاب مناسب برای مورد استفاده خود سوق دهد. در این دوره آموزشی، مبانی آمار و احتمال برای یادگیری ماشینی، یاد خواهید گرفت که از آمار برای تجزیه و تحلیل داده های اکتشافی و آزمایش فرضیه استفاده کنید. ابتدا، معیارهای گرایش و پراکندگی مرکزی شامل میانگین، حالت، میانه، برد و انحراف معیار را بررسی خواهید کرد. سپس، اصول اولیه توزیع احتمال و احتمال را بررسی خواهید کرد و یاد خواهید گرفت که چگونه چولگی و کشیدگی می تواند بینش مهمی در مورد داده های شما به شما بدهد. در مرحله بعد، خواهید فهمید که چگونه می توانید آزمون فرضیه را انجام دهید و نتایج این آزمون های آماری را تفسیر کنید. در نهایت، شما یاد خواهید گرفت که چگونه مدل های رگرسیون را هم رگرسیون ساده با یک پیش بینی کننده واحد و هم رگرسیون چندگانه با پیش بینی کننده های متعدد اجرا و تفسیر کنید و مدل های رگرسیون خود را با استفاده از R-squared و R-squared تعدیل شده ارزیابی خواهید کرد و آمار t و p را درک خواهید کرد. - مقدار مرتبط با ضرایب رگرسیون. پس از اتمام این دوره، مهارت ها و دانش آمار و تجزیه و تحلیل داده های مورد نیاز برای کاوش و تفسیر موثر داده های خود را به عنوان پیشرو برای استفاده از تکنیک های یادگیری ماشین خواهید داشت.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
درک آمار توصیفی و توزیع احتمال
Understanding Descriptive Statistics and Probability Distributions
-
بررسی نسخه
Version Check
-
پیش نیازها و رئوس مطالب دوره
Prerequisites and Course Outline
-
آمار توصیفی برای درک داده ها
Descriptive Statistics to Understand Data
-
اندازه گیری های فرکانس و گرایش مرکزی
Measures of Frequency and Central Tendency
-
اقدامات پراکندگی
Measures of Dispersion
-
نسخه ی نمایشی: معیارهای گرایش مرکزی
Demo: Measures of Central Tendency
-
نسخه ی نمایشی: معیارهای پراکندگی
Demo: Measures of Dispersion
-
احتمال و توزیع نرمال گاوسی
Probability and the Gaussian Normal Distribution
-
نسخه ی نمایشی: احتمال
Demo: Probability
-
نسخه ی نمایشی: توزیع عادی
Demo: Normal Distribution
-
چولگی و کورتوزیس
Skewness and Kurtosis
-
نسخه ی نمایشی: چولگی و کورتوزیس
Demo: Skewness and Kurtosis
تفسیر داده ها با استفاده از آزمون آماری
Interpreting Data Using Statistical Test
-
مراحل تست فرضیه
Steps in Hypothesis Testing
-
تست فرضیه: چای بانو
Hypothesis Testing: Lady Tasting Tea
-
خطاهای نوع اول و دوم
Type I and Type II Errors
-
معرفی آزمونهای T
Introducing t-tests
-
انواع آزمون t
Types of t-tests
-
نسخه ی نمایشی: دو نمونه t-test قسمت اول
Demo: Two Sample t-test Part I
-
نسخه ی نمایشی: دو نمونه t-test قسمت دوم
Demo: Two Sample t-test Part II
-
نسخه ی نمایشی: تست t-نمونه های زوجی
Demo: Paired Samples t-test
انجام تحلیل رگرسیون
Performing Regression Analysis
-
اتصال نقاط با رگرسیون خطی
Connecting the Dots with Linear Regression
-
راه اندازی مشکل رگرسیون
Setting up the Regression Problem
-
تفسیر نتایج رگرسیون
Interpreting the Results of Regression
-
نسخه ی نمایشی: کاوش مجموعه داده ها
Demo: Exploring the Dataset
-
نسخه ی نمایشی: تحلیل رگرسیون با استفاده از یک پیش بینی کننده منفرد
Demo: Regression Analysis Using a Single Predictor
-
نسخه ی نمایشی: پیش پردازش داده برای رگرسیون چندگانه
Demo: Preprocessing Data for Multiple Regression
-
نسخه ی نمایشی: تحلیل رگرسیون با استفاده از پیش بینی های چندگانه
Demo: Regression Analysis Using Multiple Predictors
-
خلاصه و مطالعه بیشتر
Summary and Further Study
نمایش نظرات