آموزش ساخت مدل های آماری با استفاده از StatsModels

Building Statistical Models Using StatsModels

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: استفاده از ابزارهای آماری برای کاوش و تجزیه و تحلیل داده های خود قبل از استفاده در مدل های ML بسیار مهم است. این دوره نحوه کارکرد مدلهای آماری پایه و نحوه استفاده از بسته StatsModel Python را برای تخمین و اکتشاف آموزش می دهد. همه را بزرگ کنید بررسی اجمالی دوره 1m 56s کاوش خصوصیات آماری با استفاده از StatsModels 1 ساعت و 2 دقیقه و 22 ثانیه ساخت مدل های خطی با استفاده از StatsModels 35 متر 51 کاوش داده های سری زمانی با استفاده از StatsModels 29m 44s علائم تجاری و نام تجاری اشخاص ثالث ذکر شده در این دوره متعلق به صاحبان مربوطه می باشند و Pluralsight وابسته یا تأیید شده توسط این احزاب نیست.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • مدلهای آماری ساختمان Statsmodels M0 01 Statsmodels Building Statistical Models M0 01

کاوش خصوصیات آماری با استفاده از StatsModels Exploring Statistical Properties Using StatsModels

  • بررسی اجمالی ماژول Module Overview

  • پیش نیازها و طرح کلی دوره Prerequisites and Course Outline

  • میانگین ، انحراف معیار و توزیع عادی Mean, Standard Deviation, and the Normal Distribution

  • تست فرضیه Hypothesis Testing

  • تست تی The T-test

  • نسخه ی نمایشی: اجرای آزمون T Demo: Implementing the T-test

  • معرفی ANOVA Introducing ANOVA

  • معرفی رگرسیون خطی Introducing Linear Regression

  • ANOVA دو طرفه Two-way ANOVA

  • نسخه ی نمایشی: اجرای ANOVA در مدل های خطی Demo: Implementing ANOVA on Linear Models

  • نسخه ی نمایشی: اجرای ANOVA دو طرفه Demo: Implementing Two-way ANOVA

  • کجی و کورتوز Skewness and Kurtosis

  • نسخه ی نمایشی: تجزیه و تحلیل داده ها برای Skewness و Kurtosis Demo: Analyzing Data for Skewness and Kurtosis

ساخت مدل های خطی با استفاده از StatsModels Building Linear Models Using StatsModels

  • بررسی اجمالی ماژول Module Overview

  • فرضیات رگرسیون Regression Assumptions

  • کار با داده های Heteroscedastic Working with Heteroscedastic Data

  • نسخه ی نمایشی: انجام رگرسیون حداقل مربعات وزنی Demo: Performing Weighted Least Squares Regression

  • مدل های خطی تعمیم یافته Generalized Linear Models

  • نسخه ی نمایشی: استفاده از یک مدل خطی تعمیم یافته بر روی داده های دوجمله ای Demo: Applying a Generalized Linear Model on Binomial Data

  • رگرسیون خطی قوی Robust Linear Regression

  • نسخه ی نمایشی: استفاده از مدل های خطی قوی برای داده های حاوی داده های دور Demo: Applying Robust Linear Models to Data Containing Outliers

کاوش داده های سری زمانی با استفاده از StatsModels Exploring Time Series Data Using StatsModels

  • بررسی اجمالی ماژول Module Overview

  • داده های ثابت و غیر ثابت Stationary and Non-stationary Data

  • خود متوسط و متحرک Autoregressive and Moving Average Models

  • ACF و PACF ACF and PACF

  • نسخه ی نمایشی: مدل های ARMA در داده های سری زمانی Demo: ARMA Models on Time Series Data

  • خلاصه و مطالعه بیشتر Summary and Further Study

نمایش نظرات

آموزش ساخت مدل های آماری با استفاده از StatsModels
جزییات دوره
2h 9m
28
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
16
4.8 از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.