در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این دوره آموزشی با تفسیر داده ها آشنا شده و سپس انجام این کار را به کمک مدل های آماری در زبان برنامه نویسی پایتون به خوبی یاد می گیرید.
عنوان اصلی : Interpreting Data Using Statistical Models with Python
بررسی اجمالی دوره
نمای کلی ماژول
پیش نیازها و رئوس مطالب دوره
آمار توصیفی برای جمع بندی داده ها
معرفی آزمون فرضیه
لیدی مزه چای
توان، آلفا و مقدار p یک آزمون آماری
معرفی آزمون t
یک نمونه آزمون t-test و Z-Test
انواع دیگر آزمون t
ANOVA یک طرفه
ANOVA دو طرفه
تست Chi2 پیرسون
خلاصه ماژول
نمای کلی ماژول
نسخه ی نمایشی: آماده سازی داده ها برای آزمون فرضیه
دمو: انجام آزمون t مستقل
نسخه ی نمایشی: انجام آزمون تی ولش
دمو: انجام آزمون t-تفاوت زوجی
نسخه ی نمایشی: ANOVA یک طرفه و آزمون تفاوت معنی دار صادقانه Tukey
نسخه ی نمایشی: ANOVA دو طرفه
نسخه ی نمایشی: تجزیه و تحلیل Chi2
خلاصه ماژول
نمای کلی ماژول
معرفی رگرسیون خطی
به حداقل رساندن میانگین مربعات خطا
رگرسیون چندگانه و R-square تعدیل شده
نسخه ی نمایشی: آماده سازی داده ها برای رگرسیون خطی ساده
نسخه ی نمایشی: رگرسیون خطی با استفاده از تکنیک های تحلیلی و یادگیری ماشینی
نسخه ی نمایشی: تجسم همبستگی ها در داده ها
نسخه ی نمایشی: انتخاب ویژگی های مرتبط برای رگرسیون چندگانه با استفاده از همبستگی
نسخه ی نمایشی: انتخاب ویژگی های مرتبط برای رگرسیون چندگانه با استفاده از اطلاعات متقابل
خلاصه ماژول
نمای کلی ماژول
شهود پشت رگرسیون لجستیک
رگرسیون لجستیک و رگرسیون خطی
دقت، دقت و یادآوری
نسخه ی نمایشی: انجام طبقه بندی با استفاده از رگرسیون لجستیک
نسخه ی نمایشی: انتخاب ویژگی ها با استفاده از Chi2، ANOVA و اطلاعات متقابل
خلاصه و مطالعه بیشتر
Interpreting Data Using Statistical Models with Python
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
Advanced PostgreSQL
Building Features from Numeric Data
Summarizing Data and Deducing Probabilities
آموزش کار با Tensorflow 2.0
آموزش مدل سازی داده های استریمینگ بوسیله Apache Beam
آموزش Deploy کردن راهکارهای یادگیری ماشینی
آموزش مصور سازی داده های آماری با Seaborn
Combining and Shaping Data
اجرای الگوریتم های گراف بوسیله GraphFrames بر روی Databricks
Building Regression Models with scikit-learn