آموزش آمار و ریاضیات برای علوم داده و تحلیل داده‌ها - آخرین آپدیت

دانلود Statistics & Mathematics for Data Science & Data Analytics

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: به‌روزرسانی شده در می ۲۰۲۵. این دوره اکنون دارای قابلیت Coursera Coach است! یک روش هوشمندانه‌تر برای یادگیری با گفتگوهای تعاملی و در لحظه که به شما کمک می‌کند تا دانش خود را آزمایش کنید، پیش‌فرض‌ها را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیق‌تر کنید. این دوره شما را به ابزارهای ضروری آماری و ریاضی مجهز می‌کند تا در زمینه علوم داده و تحلیل داده‌ها به مهارت برسید. شما مفاهیم کلیدی در آمار توصیفی، تئوری احتمالات، تحلیل رگرسیون، آزمون فرضیه و موارد دیگر را خواهید آموخت. در پایان دوره، درک عمیقی از نحوه به‌کارگیری روش‌های آماری برای حل مسائل واقعی داده‌ها و بهبود تصمیم‌گیری‌های مبتنی بر داده کسب خواهید کرد. دوره با معرفی مبانی آمار توصیفی، مانند معیارهای گرایش به مرکز، پراکندگی و تفاوت‌های بین داده‌های نمونه و جامعه آغاز می‌شود. سپس توزیع‌ها، از جمله توزیع نرمال و نمرات Z و نحوه به‌کارگیری آن‌ها در سناریوهای مختلف را بررسی خواهید کرد. این مسیر با تئوری احتمالات ادامه می‌یابد، جایی که با مفاهیمی مانند قضیه بیز، مقدار مورد انتظار و قضیه حد مرکزی آشنا می‌شوید تا پایه‌ای محکم برای تحلیل‌های آماری ایجاد کنید. در مرحله بعد، وارد مبحث آزمون فرضیه شده و نحوه اجرای آزمون‌هایی مانند t-test و آزمون تناسبات را می‌آموزید. همچنین اهمیت فواصل اطمینان، حاشیه خطا و خطاهای نوع اول و دوم را درک خواهید کرد. بخش رگرسیون به شما می‌آموزد که چگونه مقادیر داده‌ها را با استفاده از رگرسیون خطی پیش‌بینی کنید، ضرایب همبستگی را بررسی کنید و دقت مدل را با معیارهایی مانند MSE و RMSE تحلیل نمایید. این دوره برای دیتاساینتیست‌های آینده، تحلیلگران و هر کسی که می‌خواهد از آمار برای تفسیر داده‌ها استفاده کند، ایده‌آل است. هیچ دانش قبلی از آمار مورد نیاز نیست، اگرچه آشنایی با ریاضیات پایه مفید خواهد بود. ساختار دوره به گونه‌ای است که جذاب و کاربردی باشد و تمرینات و کاربردهای واقعی ارائه می‌دهد تا مهارت‌های خود را تقویت کنید.

سرفصل ها و درس ها

بیایید شروع کنیم Let's Get Started

  • خوش آمدید! Welcome!

  • در این دوره چه خواهید آموخت؟ What Will You Learn in This Course?

  • چگونه بیشترین بهره را از این دوره ببرید؟ How Can You Get the Most Out of It?

آمار توصیفی Descriptive Statistics

  • مقدمه Introduction

  • میانگین Mean

  • میانه Median

  • نما Mode

  • میانگین یا میانه؟ Mean or Median?

  • چولگی Skewness

  • تمرین: چولگی Practice: Skewness

  • پاسخ: چولگی Solution: Skewness

  • دامنه و IQR Range and IQR

  • نمونه در مقابل جامعه Sample Versus Population

  • واریانس و انحراف معیار Variance and Standard Deviation

  • تاثیر مقیاس‌بندی و جابجایی Impact of Scaling and Shifting

  • گشتاورهای آماری Statistical Moments

توزیع‌ها Distributions

  • توزیع چیست؟ What Is a Distribution?

  • توزیع نرمال Normal Distribution

  • نمرات Z Z-Scores

  • تمرین: توزیع نرمال Practice: Normal Distribution

  • پاسخ: توزیع نرمال Solution: Normal Distribution

تئوری احتمالات Probability Theory

  • مقدمه Introduction

  • مبانی احتمالات Probability Basics

  • محاسبه احتمالات ساده Calculating Simple Probabilities

  • تمرین: احتمالات ساده Practice: Simple Probabilities

  • پاسخ سریع: احتمالات ساده Quick Solution: Simple Probabilities

  • پاسخ تفصیلی: احتمالات ساده Detailed Solution: Simple Probabilities

  • قانون جمع Rule of Addition

  • تمرین: قانون جمع Practice: Rule of Addition

  • پاسخ سریع: قانون جمع Quick Solution: Rule of Addition

  • پاسخ تفصیلی: قانون جمع Detailed Solution: Rule of Addition

  • قانون ضرب Rule of Multiplication

  • تمرین: قانون ضرب Practice: Rule of Multiplication

  • پاسخ: قانون ضرب Solution: Rule of Multiplication

  • قضیه بیز Bayes Theorem

  • قضیه بیز: مثال کاربردی Bayes Theorem - Practical Example

  • مقدار مورد انتظار Expected Value

  • تمرین: مقدار مورد انتظار Practice: Expected Value

  • پاسخ: مقدار مورد انتظار Solution: Expected Value

  • قانون اعداد بزرگ Law of Large Numbers

  • قضیه حد مرکزی: تئوری Central Limit Theorem - Theory

  • قضیه حد مرکزی: شهود Central Limit Theorem - Intuition

  • قضیه حد مرکزی: چالش Central Limit Theorem - Challenge

  • قضیه حد مرکزی: تمرین Central Limit Theorem - Exercise

  • قضیه حد مرکزی: پاسخ Central Limit Theorem - Solution

  • توزیع دوجمله‌ای Binomial Distribution

  • توزیع پوآسون Poisson Distribution

  • مسائل زندگی واقعی Real-Life Problems

آزمون فرضیه Hypothesis Testing

  • مقدمه Introduction

  • فرضیه چیست؟ What Is a Hypothesis?

  • سطح معناداری و P-Value Significance Level and P-Value

  • خطاهای نوع اول و نوع دوم Type I and Type II Errors

  • فواصل اطمینان و حاشیه خطا Confidence Intervals and Margin of Error

  • بررسی: محاسبه اندازه نمونه و توان Excursion: Calculating Sample Size and Power

  • اجرای آزمون فرضیه Performing the Hypothesis Test

  • تمرین: آزمون فرضیه Practice: Hypothesis Test

  • پاسخ: آزمون فرضیه Solution: Hypothesis Test

  • آزمون t و توزیع t t-test and t-distribution

  • آزمون تناسبات Proportion Testing

  • جفت‌های مهم p و z Important p-z Pairs

رگرسیون‌ها Regressions

  • مقدمه Introduction

  • رگرسیون خطی Linear Regression

  • ضریب همبستگی Correlation Coefficient

  • تمرین: همبستگی Practice: Correlation

  • پاسخ: همبستگی Solution: Correlation

  • تمرین: رگرسیون خطی Practice: Linear Regression

  • پاسخ: رگرسیون خطی Solution: Linear Regression

  • باقیمانده، MSE و MAE Residual, MSE, and MAE

  • تمرین: MSE و MAE Practice: MSE and MAE

  • پاسخ: MSE و MAE Solution: MSE and MAE

  • ضریب تعیین Coefficient of Determination

  • ریشه میانگین مربع خطا (RMSE) Root Mean Square Error

  • تمرین: RMSE Practice: RMSE

  • پاسخ: RMSE Solution: RMSE

رگرسیون پیشرفته و الگوریتم‌های یادگیری ماشین Advanced Regression and Machine Learning Algorithms

  • رگرسیون خطی چندگانه Multiple Linear Regression

  • بیش‌برازش (Overfitting) Overfitting

  • رگرسیون چندجمله‌ای Polynomial Regression

  • رگرسیون لجستیک Logistic Regression

  • درخت‌های تصمیم Decision Trees

  • درخت‌های رگرسیون Regression Trees

  • جنگل‌های تصادفی (Random Forests) Random Forests

  • برخورد با داده‌های مفقود Dealing with Missing Data

آنوا (تحلیل واریانس) ANOVA (Analysis of Variance)

  • آنوا: مبانی و مفروضات ANOVA - Basics and Assumptions

  • آنوا یک‌طرفه One-Way ANOVA

  • توزیع F F-Distribution

  • آنوا دوطرفه: مجموع مربعات Two-Way ANOVA – Sum of Squares

  • آنوا دوطرفه: نسبت F و نتیجه‌گیری‌ها Two-Way ANOVA – F-Ratio and Conclusions

جمع‌بندی Wrap Up

  • جمع‌بندی Wrap Up

نمایش نظرات

آموزش آمار و ریاضیات برای علوم داده و تحلیل داده‌ها
جزییات دوره
15h 7m
88
(آخرین آپدیت)
1,183
5 از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده