کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش تفسیر داده ها با استفاده از آمار توصیفی با پایتون

Interpreting Data Using Descriptive Statistics with Python

Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      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

      • خلاصه و مطالعه بیشتر Summary and Further Study

      آموزش LOFI FUNDAMENTALS: Make CHILL Hip-Hop Beats - Music Production for Beginners

      آموزش LOFI FUNDAMENTALS: Make CHILL Hip-Hop Beats - Music Production for Beginners

      LOFI FUNDAMENTALS: Make CHILL Hip-Hop Beats - Music Production For Beginners

      آموزش مقدماتی گواهی CompTIA CySA + (CS0-002): 2 مدیریت آسیب پذیری

      آموزش مقدماتی گواهی CompTIA CySA + (CS0-002): 2 مدیریت آسیب پذیری

      CompTIA CySA+ (CS0-002) Cert Prep: 2 Vulnerability Management

      آموزش مایکروسافت ورد - دوره مقدماتی تا پیشرفته MS Word

      آموزش مایکروسافت ورد - دوره مقدماتی تا پیشرفته MS Word

      Microsoft Word - Basic to Advance Level MS Word Course

      نمایش نظرات

      آموزش تفسیر داده ها با استفاده از آمار توصیفی با پایتون
      جزییات دوره
      2h 21m
      33
      Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
      (آخرین آپدیت)
      29
      4.6 از 5
      دارد
      دارد
      دارد
      Janani Ravi

      https://donyad.com/d/b247

      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      Google Chrome Browser

      Internet Download Manager

      Pot Player

      Winrar

      Janani Ravi Janani Ravi

      معمار و مهندس داده خبره Google Cloud

      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.

      دنیاد