دوره آموزشی یادگیری جامع Python Statistics
2 ساعت 39 دقیقهپیشرفته2023-08-17
مدرسین

Matt Harrison
Python and Data Science Corporate Trainer, Author, Speaker, Consultant
جزئیات دوره
این روزا آمار و تحلیل داده حسابی به پایتون وابسته شده! با رشد بیگ دیتا و علم داده، تقاضا برای کسایی که بتونن دادهها رو تحلیل و تفسیر کنن، سر به فلک کشیده.
توی این دوره، مت هریسون بهت یاد میده که چطور دادهها رو جمعآوری، پاکسازی، تحلیل و بصریسازی کنی، اونم با ابزارهای قدرتمند Python!
مت روشهای اصلی آمار رو به زبان ساده توضیح میده، بهت نشون میده که چطور دادهها رو با خلاصههای آماری و نمودارها درک کنی و میره سراغ مدلهای پیشبینی مثل رگرسیون خطی و XGBoost. در آخر هم آزمون فرضیهها رو بررسی میکنه تا بتونی دادهها رو علمی تحلیل کنی.
اگه دوست داری آمار رو با رویکرد کدنویسی یاد بگیری، این دوره یه فرصت عالیه که با پایتون، قدرت دادهها رو کشف کنی! 🚀
توی این دوره، مت هریسون بهت یاد میده که چطور دادهها رو جمعآوری، پاکسازی، تحلیل و بصریسازی کنی، اونم با ابزارهای قدرتمند Python!
مت روشهای اصلی آمار رو به زبان ساده توضیح میده، بهت نشون میده که چطور دادهها رو با خلاصههای آماری و نمودارها درک کنی و میره سراغ مدلهای پیشبینی مثل رگرسیون خطی و XGBoost. در آخر هم آزمون فرضیهها رو بررسی میکنه تا بتونی دادهها رو علمی تحلیل کنی.
اگه دوست داری آمار رو با رویکرد کدنویسی یاد بگیری، این دوره یه فرصت عالیه که با پایتون، قدرت دادهها رو کشف کنی! 🚀
مهارت ها
StatisticsPythonEssential TrainingProgramming LanguagesData ScienceOpen SourceSoftware Development
سرفصل ها
0. مقدمه
- 01 - MVP آمار پایتون بودن
- 02 - آنچه باید بدانید
- 03 - استفاده از GitHub Codespaces با این دوره
1. دانلود و تمیز کردن داده ها
- 04 - بارگذاری داده ها
- 05 - رشتهها و دسته ها
- 06 - شمارههای تمیز کردن
- 07 - کوچک شدن اعداد
- 08 - چالش - Clean Ames
- 09 - راه حل - Clean Ames
2. کاوش و تجسم
- 10 - کاوش دسته بندی
- 11 - هیستوگرامها و توزیع ها
- 12 - امتیازهای پرت و Z
- 13 - همبستگی ها
- 14 - کرتهای پراکنده
- 15 - تجسم مقادیر مقوله ای و عددی
- 16 - مقایسه دو مقوله
- 17 - چالش - ایمز را کاوش کنید
- 18 - راه حل - ایمز را کاوش کنید
3. رگرسیون خطی
- 19 - رگرسیون خطی
- 20 - تفسیر مدلهای رگرسیون خطی
- 21 - استاندارد سازی مقادیر
- 22 - رگرسیون با XGBoost
- 23 - چالش - ایمز را پیشبینی کنید
- 24 - راه حل - پیشبینی ایمز
4. آزمونهای فرضیه
- 25 - کاوش داده ها
- 26 - تجسم توزیع ها
- 27 - اجرای آزمونهای آماری
- 28 - تست نرمال بودن
- 29 - چالش - بررسی توزیع فوت مربع
- 30 - راه حل - بررسی توزیع فوت مربع
نتیجه
- 31 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی یادگیری ماشین و آمار فضایی در پایتون
- دوره آموزشی آمار و پایتون برای مخابرات: استفاده از تحلیل داده برای تصمیمگیری در مخابرات مدرن
- دوره آموزشی مبانی یادگیری ماشین: آمار
- دوره آموزشی راهنمای کامل مبانی معادلات دیفرانسیل برای علم داده
- دوره آموزشی تصویرسازی دادهها در R با استفاده از ggplot2
- دوره آموزشی یادگیری Minitab
- دوره آموزشی گردآوری داده ها با زبان آر
- دوره آموزشی پاک کردن داده های بد در R