آموزش ضروری آمار پایتون

سرفصل ها و درس ها

معرفی Introduction

• استفاده از GitHub Codespaces با این دوره Using GitHub Codespaces with this course

• MVP آمار پایتون بودن Being a Python statistics MVP

• آنچه شما باید بدانید What you should know

1. بارگیری و تمیز کردن داده ها 1. Loading and Cleaning Data

• شماره های تمیز کردن Cleaning numbers

• در حال بارگیری داده ها Loading data

• کوچک شدن اعداد Shrinking numbers

• راه حل: Clean Ames Solution: Clean Ames

• چالش: Clean Ames Challenge: Clean Ames

• رشته ها و دسته ها Strings and categories

2. کاوش و تجسم 2. Exploring and Visualizing

• چالش: ایمز را کاوش کنید Challenge: Explore Ames

• توطئه های پراکنده Scatter plots

• همبستگی ها Correlations

• مقایسه دو مقوله Comparing two categoricals

• اکتشاف طبقه بندی شده Categorical exploration

• راه حل: ایمز را کاوش کنید Solution: Explore Ames

• تجسم مقادیر مقوله ای و عددی Visualizing categorical and numerical values

• هیستوگرام ها و توزیع ها Histograms and distributions

• امتیازهای پرت و Z Outliers and Z-scores

3. رگرسیون خطی 3. Linear Regressions

• چالش: ایمز را پیش بینی کنید Challenge: Predict Ames

• استاندارد کردن ارزش ها Standardizing values

• تفسیر مدل های رگرسیون خطی Interpreting linear regression models

• رگرسیون خطی Linear regression

• رگرسیون با XGBoost Regression with XGBoost

• راه حل: ایمز را پیش بینی کنید Solution: Predict Ames

4. آزمون های فرضیه 4. Hypothesis Tests

• راه حل: بررسی توزیع متراژ مربع Solution: Checking square footage distributions

• تجسم توزیع ها Visualizing distributions

• اجرای آزمون های آماری Running statistical tests

• کاوش در داده ها Exploring data

• چالش: بررسی توزیع متراژ مربع Challenge: Checking square footage distributions

• تست نرمال بودن Testing for normality

نتیجه Conclusion

• مراحل بعدی Next steps