دوره آموزشی جامع آمار پایتون (2018)
2 ساعت 58 دقیقهمتوسط2018-07-17
مدرسین

Michele Vallisneri
Theoretical Astrophysicist at NASA Jet Propulsion Laboratory
جزئیات دوره
با استفاده از این دوره، درک مفاهیم کلیدی آماری و ایجاد مهارت های عملی تجزیه و تحلیل با استفاده از پایتون و کتابخانه های قدرتمند آنرا را یاد خواهید گرفت. استاد Michele Vallisneri مهارت های مختلفی را پوشش میدهد: پاکسازی داده ها، تجسم و توصیف داده ها، استنتاج آماری و مدل سازی آماری. همه مفاهیم با تجزیه و تحلیل داده های جالب در دنیای واقعی معرفی شده و از منظر یادگیری ماشین مورد بحث قرار می گیرند، که فرض می کند، محاسبات قدرتمند می توانند جایگزین ریاضیات پیچیده شوند.
اهداف یادگیری
نصب و راه اندازی پایتون
وارد کردن و پاکسازی داده ها
تجسم داده ها
توصیف توزیع ها و متغیرهای طبقه ای
با استفاده از استنباط آماری و تکنیک های مدل سازی
استنباط بیزی
اهداف یادگیری
نصب و راه اندازی پایتون
وارد کردن و پاکسازی داده ها
تجسم داده ها
توصیف توزیع ها و متغیرهای طبقه ای
با استفاده از استنباط آماری و تکنیک های مدل سازی
استنباط بیزی
مهارت ها
PythonEssential TrainingProgramming LanguagesOpen SourceSoftware Development
سرفصل ها
0. مقدمه
- 01 - خوش آمدید
- 02 - آنچه باید بدانید
- 03 - استفاده از فایلهای تمرین
1. نصب و راه اندازی
- 04 - Anaconda Python را روی OS X نصب کنید
- 05 - Anaconda Python را روی ویندوز نصب کنید
- 06 - کار با نوت بوک Jupyter
- 07 - استفاده از پایتون در فضای ابری
2. وارد کردن و تمیز کردن داده ها
- 08 - ساختار داده ها
- 09 - جداول داده مرتب ایجاد کنید
- 10 - معرفی پانداها
- 11 - پاکسازی داده ها
- 12 - ✓ چالش - تجزیهوتحلیل ایمیل شخصی
- 13 - ✓ راه حل - تجزیهوتحلیل ایمیل شخصی
3. تجسم و توصیف داده ها
- 14 - قدرت تجسم
- 15 - توزیعها را شرح دهید
- 16 - توزیعهای قطعه ای
- 17 - نمودار دو متغیر کمی
- 18 - متغیرهای کمی بیشتر
- 19 - متغیرهای طبقه بندی را شرح دهید
- 20 - متغیرهای مقوله ای را رسم کنید
- 21 - تجزیهوتحلیل ایمیل شخصی
- 22 - ✓ چالش - تجزیهوتحلیل ایمیل بیشتر
- 23 - ✓ راه حل - تجزیهوتحلیل ایمیل بیشتر
4. مقدمه ای بر استنتاج آماری
- 24 - استنباط آماری
- 25 - فواصل اطمینان
- 26 - بوت استرپینگ
- 27 - آزمون فرضیه
- 28 - مقادیر p و فواصل اطمینان
- 29 - ✓ چالش - نمرات بوت استرپ
- 30 - ✓ راه حل - نمرات بوت استرپینگ
5. مقدمه ای بر مدل سازی آماری
- 31 - مدل سازی آماری
- 32 - تطبیق مدلها با داده ها
- 33 - حسن تناسب
- 34 - اعتبار سنجی متقاطع
- 35 - رگرسیون لجستیک
- 36 - استنتاج بیزی
- 37 - ✓ چالش - توضیح وزن نوزاد در بدو تولد
- 38 - ✓ راه حل - توضیح وزن نوزاد در بدو تولد
نتیجه
- 39 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی یادگیری جامع پایتون برای علم داده و یادگیری ماشین بخش اول
- دوره آموزشی مبانی هوش مصنوعی: شبکه های عصبی
- دوره آموزشی داشبوردهای مجهز به هوش مصنوعی با Streamlit
- دوره آموزشی اپ تحلیل داده با قدرت LLM با پایتون و Streamlit
- دوره آموزشی راهنمای کامل مهندسی تحلیل دادهها
- دوره آموزشی اپلیکیشنهای مبتنی بر LLM با Streamlit
- دوره آموزشی هوش مصنوعی عملی: ساخت اولین اپلیکیشن خود با قدرت LLM
- دوره آموزشی تحلیل پیشرفته دادههای مکانی در پایتون