لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش آمار عملی 2023 برای علم داده با پایتون و R
Practical Statistics 2023 for Data Science with Python and R
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
راهنمای مبتدی تا تخصصی برای علم داده و تجزیه و تحلیل کسب و کار با مطالعات موردی و تمرین عملی با استفاده از آمار Python & R تجزیه و تحلیل داده ها تجزیه و تحلیل رگرسیون تجزیه و تحلیل آمار توصیفی آمار استنباطی آزمون فرضیه T-Test تست مربع Chi AnOVa رگرسیون خطی رگرسیون لجستیک رگرسیون ماشین یادگیری پیش نیازها: دانش پایه پایتون و R انگیزه یادگیری
علوم و تجزیه و تحلیل دادهها حرفهای بسیار پرارزش است که به شما امکان میدهد برخی از جالبترین مشکلات جهان را حل کنید و آمار پایه همه مدلهای تحلیل و یادگیری ماشین است. این امر باعث میشود آمار بخشی ضروری از منحنی یادگیری باشد. تجزیه و تحلیل بدون آمار بی اساس است و می تواند در هر زمان در جهت اشتباه حرکت کند.
برای اکثر متخصصان و مبتدیان تجزیه و تحلیل، آمار به عنوان ترسناک ترین و مشکوک ترین موضوع مطرح می شود، به همین دلیل است که ما این دوره را برای کسانی که مشتاق یادگیری آمار هستند و از روش های آماری مختلف برای تجزیه و تحلیل با پیچیده ترین استفاده می کنند ایجاد کرده ایم. توضیحات و مثال ها!
این دوره به این منظور ساخته شده است که در ابتدای سفر، تمام دانش لازم را در اختیار شما قرار دهد، به طوری که مجبور نباشید به عقب برگردید و در جای دیگری دوباره به موضوعات نگاه کنید. این دوره مقصد نهایی با تمام دانش، نکات و ترفندهایی است که برای شروع حرفه خود نیاز دارید.
این دوره دانش کاملی از آمار ارائه می دهد، ما همه آن را پوشش می دهیم.
سفر عجیب و غریب ما شامل مفاهیم زیر خواهد بود:
1. چیستی ها و چرایی های آمار - درک نیاز به آمار، تفاوت بین جمعیت و نمونه ها، تکنیک های مختلف نمونه گیری.
2. آمار توصیفی شامل معیارهای گرایش مرکزی - میانگین، میانه، حالت و معیارهای تغییرپذیری - واریانس، SD، IQR، تصحیح بسل است
3. بیشتر در مورد شکلهای توزیع - منحنی زنگی، کرتوز، کج بودن اطلاعات خواهید یافت.
4. شما در مورد انواع مختلف متغیرها، تعاملات آنها مانند همبستگی، کوواریانس، هم خطی، همخطی چندگانه، ایجاد ویژگی و انتخاب خواهید آموخت.
5. به عنوان بخشی از آمار استنباطی، تکنیک های تخمین مختلف، ویژگی های منحنی نرمال، محاسبه قضیه حد مرکزی و نمایش امتیاز Z و فواصل اطمینان را خواهید آموخت.
6. در آزمون فرضیه شما یاد خواهید گرفت که چگونه یک فرضیه صفر و فرضیه جایگزین مربوطه را فرموله کنید.
7. شما یاد خواهید گرفت که چگونه تست های فرضیه های مختلف را انتخاب و انجام دهید مانند Z – test، یک نمونه آزمون T، تست T مستقل، تست T زوجی، Chi Square – Goodness Of Fit، تست Chi-Square برای استقلال، ANOVA
8. در تجزیه و تحلیل رگرسیون، شما در مورد تبدیل داده های انتخاب ایجاد متغیر سرتاسر، ساخت مدل و فرآیند ارزیابی برای رگرسیون خطی و لجستیک خواهید آموخت.
9. توضیحی عمیق برای روشهای آماری با تمام نکات و ترفندهای زندگی واقعی که میتواند از کسی که دانش مقدماتی را دارد که معمولاً در دوره مبتدی ارائه نمیشود، برتری پیدا کند.
10. همه توضیحات به زبان ساده ارائه شده است تا درک و کار در آینده آسان شود.
11. تمرین عملی روی بیش از 15 مجموعه داده مختلف برای شروع سریع و مزیت یادگیری کار بر روی مجموعه داده ها و مشکلات مختلف.
سرفصل ها و درس ها
مقدمه دوره
Introduction to Course
معرفی
Introduction
آمار توصیفی توضیح داده شده است
Descriptive Statistics Explained
مقدمه ای بر آمار_جمعیت و نمونه گیری
Introduction to Statistics_Population & Sampling
Measure Of Central Tendencies Mean Median Mode
Measure Of Central Tendencies Mean Median Mode
Measure Of Variability - Variance انحراف استاندارد IQR
Measure Of Variability - Variance Standard Deviation IQR
همبستگی و کوواریانس توزیع های داده
Data Diatributions Correlation & Covariance
سوالات تمرینی: آمار توصیفی
Practice Questions: Descriptive Statistics
مقدمه ای بر آمار استنباطی
Intro to Inferential Statistics
مقدمه ای بر آمار استنباطی
Intro to Inferential Statistics
انواع متغیر
Variable Types
آمار استنباطی: قضیه حد مرکزی، Z-Score، فاصله اطمینان
Inferential Statistics: Central Limit Theorem,Z-Score,Confidence Interval
تئوری حد مرکزی
Central Limit Theorem
Z-Score
Z-Score
فاصله اطمینان
Confidence Interval
نمونه های CI
CI examples
آزمایش فرضیه
Hypothesis Testing
مقدمه تست فرضیه
Hypothesis Testing Introduction
نظریه آزمون فرضیه توضیح داده شد
Hypothesis Testing Theory Explained
نوع خطا و تفاوت قابل توجه
Type of Errors and Significant Difference
T-test Family
T-test Family
یک نمونه، مستقل، آزمون تی زوجی
One Sample, Independent, Paired T Test
تست های مربع کای
Chi-Square Tests
تست مربع چی از خوبی تناسب
Chi Square test of Goodness of Fit
تست میدان چی استقلال
Chi Square test of Independance
ANOVA
ANOVA
ANOVA
ANOVA
کدام آزمون را انتخاب کنیم؟
Which test to pick?
آمار با استفاده از Graphpad
Statistics Using Graphpad
سوالات تمرینی در پایتون: آمار توصیفی و استنباطی
Practice Questions in Python: Descriptive and Inferential Statistics
سوالات Z-Score
Z-Score questions
سوالات آزمون تی
T-tests questions
سوالات Chi Test، Anova، Cov، Correlation
Chi Test, Anova, Cov, Correlation questions
آمار با استفاده از پایتون - مطالعات موردی
Statistics using Python - Case Studies
مجموعه داده قیمت خانه - مطالعه موردی -1
House Prices Dataset - Case Study -1
مجموعه داده حقوق و دستمزد شهرستان - مطالعه موردی -2
City Payroll Dataset - Case Study -2
آمار توصیفی با استفاده از R-Practice
Descriptive Statistics Using R -Practice
آمار توصیفی با استفاده از سوالات تمرینی R
Descriptive Statistics using R Practice Questions
آمار استنباطی با استفاده از R - تمرین
Inferential Statistics Using R - Practice
آمار استنباطی با استفاده از سوالات تمرینی R
Inferential Statistics Using R Practice Questions
آمار با استفاده از R - مطالعات موردی
Statistics using R - Case Studies
مجموعه داده های درآمد سرشماری - مطالعه موردی -1
Census Income Dataset - Case Study -1
تحلیل رگرسیون خطی با استفاده از پایتون
Linear Regression Analysis using Python
تحلیل رگرسیون توضیح داده شد - رگرسیون خطی
Regression Analysis Explained - Linear Regression
هزینه رگرسیون خطی، گرادیان و اعتبارسنجی متقاطع
Linear Regression Cost, Gradient and Cross Validation
رگرسیون خطی از ابتدا
Linear Regression from scratch
تنظیم رگرسیون خطی
Linear Regression Regularization
تحلیل رگرسیون لجستیک با استفاده از پایتون
Logistic Regression Analysis using Python
نمایش نظرات