لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش برازش مدلهای آماری بر دادهها با پایتون
- آخرین آپدیت
دانلود Fitting Statistical Models to Data with Python
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
در این دوره، ما کاوش خود را در تکنیکهای استنباط آماری با تمرکز بر علم و هنر برازش مدلهای آماری بر دادهها گسترش خواهیم داد. ما بر اساس مفاهیم ارائه شده در دوره استنباط آماری (دوره ۲)، بر اهمیت اتصال پرسشهای پژوهشی به روشهای تحلیل دادهها تأکید میکنیم. همچنین بر اهداف مختلف مدلسازی، از جمله استنباط درباره روابط بین متغیرها و تولید پیشبینیها برای مشاهدات آینده تمرکز خواهیم کرد.
این دوره تکنیکهای مختلف مدلسازی آماری، از جمله رگرسیون خطی، رگرسیون لجستیک، مدلهای خطی تعمیمیافته، مدلهای سلسلهمراتبی و اثرات مختلط (یا چندسطحی) و تکنیکهای استنباط بیزی را معرفی کرده و بررسی میکند. تمام این تکنیکها با استفاده از مجموعهدادههای واقعی متنوع به تصویر کشیده میشوند و دوره بر رویکردهای مختلف مدلسازی برای انواع مختلف دادهها، بسته به طراحی مطالعه زیربنایی دادهها (با ارجاع به دوره ۱، درک و بصریسازی دادهها با پایتون) تأکید خواهد داشت.
در طول این جلسات آزمایشگاهی، زبانآموزان از طریق آموزشهای متمرکز بر مطالعات موردی خاص، مفاهیم آماری هر هفته را تثبیت میکنند که شامل بررسیهای عمیقتر در کتابخانههای پایتون از جمله Statsmodels، Pandas و Seaborn خواهد بود. این دوره از محیط Jupyter Notebook در Coursera استفاده میکند.
سرفصل ها و درس ها
هفته اول: بررسی کلی و ملاحظات مدلسازی آماری
WEEK 1 - OVERVIEW & CONSIDERATIONS FOR STATISTICAL MODELING
به دوره خوش آمدید!
Welcome to the Course!
راهنمای برازش مدلهای آماری بر دادهها با پایتون
Fitting Statistical Models to Data with Python Guidelines
منظور از برازش مدل بر دادهها چیست؟
What Do We Mean by Fitting Models to Data?
انواع متغیرها در مدلسازی آماری
Types of Variables in Statistical Modeling
طراحیهای مختلف مطالعه، دادههای متفاوتی ایجاد میکنند: پیامدهایی برای مدلسازی
Different Study Designs Generate Different Types of Data: Implications for Modeling
اهداف برازش مدل: استنباط در مقابل پیشبینی
Objectives of Model Fitting: Inference vs. Prediction
رسم پیشبینیها و عدم قطعیت پیشبینی
Plotting Predictions and Prediction Uncertainty
چشمانداز آمار در پایتون
Python Statistics Landscape
هفته دوم: برازش مدلها بر دادههای مستقل
WEEK 2 - FITTING MODELS TO INDEPENDENT DATA
مقدمهای بر رگرسیون خطی
Linear Regression Introduction
استنباط در رگرسیون خطی
Linear Regression Inference
مصاحبه: علیت در مقابل همبستگی
Interview: Causation vs Correlation
مقدمهای بر رگرسیون لجستیک
Logistic Regression Introduction
استنباط در رگرسیون لجستیک
Logistic Regression Inference
هفته سوم: برازش مدلها بر دادههای وابسته
WEEK 3 - FITTING MODELS TO DEPENDENT DATA
مدلهای چندسطحی چیستند و چرا آنها را برازش میکنیم؟
What are Multilevel Models and Why Do We Fit Them?
مدلهای رگرسیون خطی چندسطحی
Multilevel Linear Regression Models
نمایش نظرات