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

  • مقدمه رگرسیون لجستیک Logistic Regression Introduction

  • 06_رگرسیون لجستیک_ریاضی 06_Logistic Regression_Mathematics

  • 07 معیارهای رگرسیون لجستیک 07 Logistic Regression Metrics

  • پیاده سازی رگرسیون لجستیک Logistic Regression Implementation

تحلیل رگرسیون خطی با استفاده از R Linear Regression Analysis using R

  • تحلیل رگرسیون خطی با استفاده از R Linear Regression Analysis using R

تحلیل رگرسیون لجستیک با استفاده از R Logistic Regression Analysis using R

  • تحلیل رگرسیون لجستیک با استفاده از R Logistic Regression Analysis using R

نمایش نظرات

آموزش آمار عملی 2023 برای علم داده با پایتون و R
جزییات دوره
15.5 hours
39
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,501
4.9 از 5
دارد
دارد
دارد
MG Analytics
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

MG Analytics MG Analytics

دانشمند داده و مربی حرفه ای