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

  • مدل‌های رگرسیون لجستیک چندسطحی Multilevel Logistic Regression models

  • تمرین مدل‌سازی چندسطحی: اپلیکیشن Cal Poly Practice with Multilevel Modeling: The Cal Poly App

  • مدل‌های حاشیه‌ای چیستند و چرا آن‌ها را برازش می‌کنیم؟ What are Marginal Models and Why Do We Fit Them?

  • مدل‌های رگرسیون خطی حاشیه‌ای Marginal Linear Regression Models

  • رگرسیون لجستیک حاشیه‌ای Marginal Logistic Regression

هفته چهارم: مباحث خاص WEEK 4: Special Topics

  • آیا هنگام برازش مدل‌ها باید از وزن‌های پیمایشی استفاده کنیم؟ Should We Use Survey Weights When Fitting Models?

  • مقدمه‌ای بر آمار بیزی Introduction to Bayesian

  • رویکردهای بیزی به آمار و مدل‌سازی Bayesian Approaches to Statistics and Modeling

  • مطالعه موردی رویکردهای بیزی: بخش اول Bayesian Approaches Case Study: Part I

  • مطالعه موردی رویکردهای بیزی: بخش دوم Bayesian Approaches Case Study: Part II

  • مطالعه موردی رویکردهای بیزی: بخش سوم Bayesian Approaches Case Study - Part III

نمایش نظرات

آموزش برازش مدل‌های آماری بر داده‌ها با پایتون
جزییات دوره
14h 54m
26
(آخرین آپدیت)
36,882
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

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده

Brenda Gunderson Brenda Gunderson