Beginning of dialog window. Escape will cancel and close the window.
End of dialog window.
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
این دوره اقدامات تمایل مرکزی و پراکندگی مورد نیاز برای شناسایی بینش کلیدی در داده ها را پوشش می دهد. این همچنین شامل موارد زیر است: همبستگی ، کوواریانس ، انحراف ، کورتوز و پیاده سازی در کتابخانه های پایتون مانند Pandas ، SciPy و StatsModels. ابزارهای یادگیری ماشین - الگوریتم ها ، تکنیک های راه حل و حتی معماری های شبکه عصبی در حال تبدیل شدن به کالایی هستند. این روزها همه از ابزارهای یکسانی استفاده می کنند ، بنابراین لبه شما باید از میزان انطباق این ابزارها با داده های شما ناشی شود. در این دوره ، تفسیر داده ها با استفاده از آمار توصیفی با پایتون ، شما توانایی شناسایی خصوصیات مهم آماری مجموعه داده خود و درک پیامدهای آنها را خواهید یافت. ابتدا ، شما خواهید فهمید که معیارهای مهم گرایش مرکزی ، میانگین حساب ، حالت و میانه ، هر کدام داده های ما را به روش های مختلف خلاصه می کنند. در مرحله بعدی ، خواهید فهمید که چگونه اندازه های پراکندگی مانند انحراف معیار ، سرنخ هایی را درباره تغییر در یک متغیر ارائه می دهند. بعداً ، شما خواهید آموخت که چگونه داده های شما با استفاده از انحراف و کورتوز توزیع می شود و اقدامات متغیر پراکندگی و حرکت مشترک مانند همبستگی و کوواریانس را درک خواهید کرد. سرانجام ، با استفاده از این کتابخانه ها با استفاده از کتابخانه های مختلف موجود در پایتون مانند Pandas ، SciPy و StatsModels ، دانش خود را جمع آوری می کنید. پس از اتمام این دوره ، مهارت و دانش لازم را برای جمع بندی خصوصیات آماری کلیدی مجموعه داده خود با استفاده از Python خواهید داشت.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
بررسی اجمالی دوره
Course Overview
درک آمار توصیفی
Understanding Descriptive Statistics
خلاصه ماژول
Module Summary
پیش نیازها و طرح کلی دوره
Prerequisites and Course Outline
معرفی آمار توصیفی
Introducing Descriptive Statistics
اقدامات تمایل مرکزی
Measures of Central Tendency
اقدامات پراکندگی
Measures of Dispersion
درک واریانس
Understanding Variance
توزیع گوسی
The Gaussian Distribution
توزیع نمونه برداری برای تخمین میانگین جمعیت
Sampling Distribution to Estimate Population Mean
فاصله اطمینان
Confidence Intervals
کجی و کورتوز
Skewness and Kurtosis
کوواریانس و همبستگی
Covariance and Correlation
خلاصه ماژول
Module Summary
کار با آمار توصیفی با استفاده از Pandas
Working with Descriptive Statistics Using Pandas
بررسی اجمالی ماژول
Module Overview
نسخه ی نمایشی: شروع با Pandas
Demo: Getting Started with Pandas
نسخه ی نمایشی: متوسط و متوسط
Demo: Mean and Median
نسخه ی نمایشی: تأثیر Outlier ها بر میانگین و متوسط
Demo: Influence of Outliers on Mean and Median
نسخه ی نمایشی: Quantiles and the Interquartile Range
Demo: Quantiles and the Interquartile Range
نسخه ی نمایشی: واریانس و انحراف معیار
Demo: Variance and Standard Deviation
نسخه ی نمایشی: تفسیر و تجسم آمار خلاصه
Demo: Interpreting and Visualizing Summary Statistics
نسخه ی نمایشی: Skewness و Kurtosis
Demo: Skewness and Kurtosis
نسخه ی نمایشی: کوواریانس و همبستگی
Demo: Covariance and Correlation
نسخه ی نمایشی: محاسبه و تجسم فاصله های اطمینان
Demo: Calculating and Visualizing Confidence Intervals
خلاصه ماژول
Module Summary
کار با آمار توصیفی با استفاده از SciPy و Statsmodels
Working with Descriptive Statistics Using SciPy and Statsmodels
بررسی اجمالی ماژول
Module Overview
نسخه ی نمایشی: متوسط و متوسط
Demo: Mean and Median
نسخه ی نمایشی: تأثیر Outlier و حالت
Demo: Influence of Outliers and Mode
نسخه ی نمایشی: واریانس محدوده بین چهارکشتی و انحراف معیار
Demo: Interquartile Range Variance and Standard Deviation
نسخه ی نمایشی: نمرات Z با استفاده از SciPy
Demo: Z-scores Using SciPy
نسخه ی نمایشی: Skewness و Kurtosis برای بازده سهام
Demo: Skewness and Kurtosis for Stock Returns
نسخه ی نمایشی: آمار توصیفی و تحلیل رگرسیون در داده های دو متغیره و چند متغیره
Demo: Descriptive Statistics and Regression Analysis on Bivariate and Multivariate Data
نسخه ی نمایشی: محاسبه و تفسیر فاصله اطمینان
Demo: Calculating and Interpreting Confidence Intervals
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.
نمایش نظرات