تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی جامع آمار پایتون (2018)

دوره آموزشی جامع آمار پایتون (2018)

2 ساعت 58 دقیقهمتوسط2018-07-17

مدرسین

Michele Vallisneri

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

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

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal