آمار و ریاضیات برای علم داده و تجزیه و تحلیل داده [ویدئو]

Statistics and Mathematics for Data Science and Data Analytics [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: اگر هدف شما حرفه ای در علم داده یا تجزیه و تحلیل داده است، این دوره شما را به دانش عملی مورد نیاز برای تسلط بر آمار اولیه مجهز می کند. برای تبدیل شدن به یک دانشمند داده یا تحلیلگر به دانش خوب آمار و نظریه احتمال نیاز دارید. این دوره با مقدمه ای بر آمار توصیفی آغاز می شود و اصول اولیه از جمله میانگین، میانه، حالت و چولگی را توضیح می دهد. سپس در مورد محدوده ها، محدوده بین ربعی (IQR)، نمونه ها و جمعیت ها، واریانس و انحراف معیار بیشتر خواهید آموخت. بخش زیر به تفصیل توزیع ها از جمله توزیع نرمال و امتیازات Z را توضیح می دهد. سپس، احتمال را با جزئیات بررسی خواهید کرد، قضیه بیز، قضیه حد مرکزی، قانون اعداد بزرگ و در نهایت توزیع پواسون را بررسی خواهید کرد. در مرحله بعد، رگرسیون خطی و ضرایب رگرسیون، میانگین مربعات خطا، میانگین خطای مطلق و ریشه میانگین مربعات خطا را به طور جامع بررسی خواهید کرد. شما همچنین تست فرضیه و خطاهای نوع I و II را با جزئیات بیشتری بررسی خواهید کرد و سپس به طور جامع در مورد تجزیه و تحلیل واریانس (ANOVA) یاد خواهید گرفت. پس از اتمام این دوره، شما به طور جامع دانشی در مورد مبانی آماری، روش های تجزیه و تحلیل داده ها، فرآیندهای تصمیم گیری و مفاهیم یادگیری ماشین با مثال کسب خواهید کرد. همه منابع در دسترس هستند: https://github.com/PacktPublishing/Statistics-Mathematics-for-Data-Science-Data-Analytics آمار پایه، آمار توصیفی، و نظریه احتمال روش های ML، از جمله درختان تصمیم و جنگل های تصمیم را کاوش کنید توزیع احتمال نرمال و توزیع پواسون را بیاموزید آزمایش فرضیه، مقادیر p، مدیریت خطای نوع I و II را بررسی کنید بر رگرسیون لجستیک، رگرسیون خطی و درختان رگرسیون مسلط شوید یادگیری همبستگی، R-Square، RMSE، MAE، و ضریب تعیین این دوره در سطح مبتدی برای پاسخگویی به افرادی که به دنبال تسلط بر آمار و احتمالات برای علم و تجزیه و تحلیل داده ها هستند، فردی که به دنبال شغلی در علم داده است، اختصاص یافته است. ، یا متخصصان و دانشجویانی که می خواهند آمار را برای تجزیه و تحلیل داده ها درک کنند. پیش نیازهای این دوره شامل عدم نیاز به تجربه قبلی و اشتیاق و انگیزه برای یادگیری است. این دوره شما را به دانش واقعی آمار و احتمال هنگام کار با داده ها مجهز می کند * از یک متخصص ریاضی/دانشمند داده بیاموزید و تئوری و عمل تعادل را با مثال های واقعی بیاموزید * تسلط کامل بر آمار و احتمالات برای علم داده های واقعی و روش های تجزیه و تحلیل

سرفصل ها و درس ها

برای ارسال نظر ثبت نام کنید.