آموزش تفسیر داده ها با استفاده از مدل های آماری در R

Interpreting Data Using Statistical Models in R

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: این دوره مهمترین روشها و مفاهیم آماری را با کاربردها در زبان برنامه نویسی R معرفی می کند. ما تناسب مدلهای آماری را با داده ها ، آزمایشات آماری و پیش بینی ها پوشش می دهیم. برای درک مقادیر زیادی از داده های تولید شده در دنیای امروز ، به اصول ، مدل ها و تئوری نیاز داریم. در این دوره ، تفسیر داده ها با استفاده از مدل های آماری در R ، شما توانایی استفاده از مدل های آماری و علوم داده را برای هر کاری خواهید داشت. ابتدا یاد خواهید گرفت که چگونه مدل های آماری را با داده ها متناسب کنید. در مرحله بعدی ، خواهید فهمید که چگونه رابطه داده ها را آزمایش کنید. در آخر ، نحوه ایجاد پیش بینی با رگرسیون خطی را کشف خواهید کرد. هنگامی که با این دوره به پایان رسیدید ، مهارت های لازم برای تبدیل داده ها به دانش را خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

ایجاد مدل های آماری Creating Statistical Models

  • ایجاد مدل های آماری Creating Statistical Models

  • مدل های آماری Statistical Models

  • نمونه هایی از مدل های آماری Examples of Statistical Models

  • انواع داده ها Types of Data

  • پارادایم های آماری Statistical Paradigms

نصب مدل های آماری Fitting Statistical Models

  • توزیع احتمال Probability Distributions

  • نظریه احتمال Probability Theory

  • یافتن پارامترهای مدل Finding Model Parameters

  • انتخاب بهترین تخمین Choosing the Best Estimate

  • توزیع میانگین و واریانس Distribution of the Mean and Variance

  • روشهای اتصالات بیشتر Further Fitting Methods

اجرای یک مدل پیش بینی: رگرسیون خطی تک متغیر Implementing a Predictive Model: Single-variable Linear Regression

  • پسرفت Regression

  • رگرسیون خطی Linear Regression

  • پیش بینی های طبقه بندی شده Categorical Predictors

  • رگرسیون غیر خطی Non-linear Regression

نتیجه گیری از داده ها با آزمون آماری Drawing Conclusions from Data with Statistical Testing

  • تست آماری Statistical Testing

  • تست t The t-test

  • ارزیابی تست ها Evaluating Tests

  • جداول داده های دسته ای Tables of Categorical Data

  • تفاوت بین چند گروه Differences between Multiple Groups

  • یک کلمه احتیاط A Word of Caution

استفاده از رگرسیون خطی چند متغیره Using Multi-variable Linear Regression

  • رگرسیون خطی چند متغیره Multi-variable Linear Regression

  • نگاهی به فرضیات رگرسیون A Look at Regression Assumptions

اطمینان از دقت پیش بینی Ensuring Predictive Accuracy

  • خطای پیش بینی در داده های جدید Prediction Error on New Data

  • بهبود دقت پیش بینی Improving Prediction Accuracy

نمایش نظرات

آموزش تفسیر داده ها با استفاده از مدل های آماری در R
جزییات دوره
1h 45m
26
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
-
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

Fredrik Hallgren Fredrik Hallgren

فرد هالگرن نامزد دکترای یادگیری ماشین در کالج دانشگاه لندن (UCL) است. علاقه او به تدریس فنی به عنوان دستیار تدریس در ریاضیات در حالی که در دوره کارشناسی بود و در دوره دکترای خود به طور گسترده ای در زمینه آمار و برنامه نویسی آماری به دانشجویان مقطع کارشناسی و کارشناسی ارشد تدریس کرد. تحقیقات وی در UCL بر روی روش های هسته ، شبکه های عصبی و کاهش ابعاد متمرکز شده است. وی قبل از دکترای خود در یک صندوق پرچین کمی کار می کرد ، در مورد مدل های تجاری تحقیق می کرد و زیرساخت های نرم افزاری را در پایتون و ++ C توسعه می داد. وی که اصالتاً اهل سوئد است ، چندین سال در انگلستان زندگی می کند ، اما اغلب برای اسکی و "فیکا" برمی گردد.