آموزش آمار برای علوم داده با پایتون - آخرین آپدیت

دانلود Statistics for Data Science with Python

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در پایان این دوره، فراگیران قادر خواهند بود مجموعه‌ داده‌ها را با استفاده از آمار توصیفی خلاصه کنند، توزیع‌ها را با پایتون بصری‌سازی نمایند، احتمالات را ارزیابی کرده، فرضیات را آزمایش کنند و مدل‌های رگرسیونی برای تحلیل‌های پیش‌بینی‌کننده بسازند. این آموزش عملی، دانشجویان را قادر می‌سازد تا تفکر آماری را در پروژه‌های واقعی علوم داده به کار بگیرند و از تحلیل، تفسیر و ارائه موثر داده‌ها اطمینان حاصل کنند. این دوره با مبانی علوم داده و آمار توصیفی آغاز می‌شود و مواردی نظیر معیارهای گرایش به مرکز، پراکندگی، همبستگی و بصری‌سازی با استفاده از هیستوگرام‌ها را پوشش می‌دهد. سپس فراگیران وارد مباحث احتمال و آزمون فرضیه شده و مفاهیمی مانند رویدادهای mutually exclusive، p-valueها، آماره‌های آزمون و انواع خطاها را فرا می‌گیرند. در نهایت، دوره با رگرسیون و مدل‌سازی به پایان می‌رسد که در آن دانشجویان مدل‌ها را برازش کرده، خروجی‌ها را تحلیل می‌کنند، باقی‌مانده‌ها را ارزیابی کرده و تکنیک‌های پیشرفته برازش منحنی را به کار می‌برند. آنچه این دوره را متمایز می‌کند، ادغام عملی کتابخانه‌های Pandas و NumPy با تئوری‌های آماری است که به فراگیران اجازه می‌دهد مفاهیم را نه تنها درک کنند، بلکه آن‌ها را مستقیماً در پایتون پیاده‌سازی نمایند. این دوره با ماژول‌های ساختاریافته و تمرین‌های هدایت‌شده، شکاف بین مبانی آمار و علوم داده کاربردی را پر کرده و دانشجویان را برای تحلیل‌های پیشرفته، یادگیری ماشین و تصمیم‌گیری‌های داده‌محور آماده می‌کند.

سرفصل ها و درس ها

مقدمه‌ای بر علوم داده و آمار توصیفی Introduction to Data Science and Descriptive Statistics

  • آشنایی با علوم داده Introduction to Data Science

  • محاسبه مد Calculating Mode

  • محاسبه معیارهای پراکندگی Calculating Dispersion Measures

  • محاسبه هیستوگرام Histogram Calculation

  • تابع همبستگی Correlation Function

  • مفاهیم پایه آمار Basic Concept of Statistics

  • دیتا فریم در پانداز Pandas Data Frame

  • تکنیک‌های پایه بازبینی Basic Reveration Techniques

  • استفاده از تکنیک‌های نامپای Using Numphy Techniques

احتمالات، جمع‌بندی و آزمون فرضیه Probability, Summation, and Hypothesis Testing

  • جمع عناصر Summation of Elements

  • روش آزمون فرضیه Hypothetical Testing Method

  • تفاوت‌های بسته نامپای Differences in Numphy Package

  • محاسبه مخرج Calculating the Denominator

  • استفاده از رویدادهای ناسازگار Using Exclusive Events

  • یافتن معیار اندازه‌گیری Finding the Measurement

  • پیاده‌سازی سناریوهای آزمون Implementing Test Scenarios

  • تکنیک‌های رگرسیون حداقل مربعات معمولی Ordinary Least Square Regression Techniques

  • تحلیل آماره‌های آزمون Analyzing the Test Statistics

رگرسیون و مدل‌سازی Regression and Model Building

  • خروجی متغیرها Output of the Variables

  • متغیرهای توضیحی چندگانه Multiple Explanatory Variables

  • برازش مدل Fitting the Model

  • ادامه برازش مدل Fitting the Model Continues

  • برازش منحنی و خط رگرسیون Curve Fitting and Regression Fit Line

  • مقادیر ضریب و عرض از مبدأ Co efficient and Intercept Value

نمایش نظرات

آموزش آمار برای علوم داده با پایتون
جزییات دوره
8h 3m
24
(آخرین آپدیت)
249
- از 5
دارد
دارد
دارد
Chris Croft
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