در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این دوره آموزشی یاد می گیرید که چطور داده ها را بوسیله آمار توصیفی در زبان پایتون تفسیر کرده و بر روی پروژه هایی از این دست کار کنید.
عنوان اصلی : Interpreting Data Using Descriptive Statistics with Python
بررسی اجمالی دوره
خلاصه ماژول
پیش نیازها و رئوس مطالب دوره
معرفی آمار توصیفی
اقدامات گرایش مرکزی
اقدامات پراکندگی
درک واریانس
توزیع گاوسی
توزیع نمونه برای برآورد میانگین جمعیت
فاصله اطمینان
چولگی و کورتوز
کوواریانس و همبستگی
خلاصه ماژول
نمای کلی ماژول
نسخه ی نمایشی: شروع کار با پانداها
نسخه ی نمایشی: میانگین و میانه
نسخه ی نمایشی: تأثیر نقاط پرت بر میانگین و میانه
نسخه ی نمایشی: Quantiles و Interquartile Range
نسخه ی نمایشی: واریانس و انحراف استاندارد
نسخه ی نمایشی: تفسیر و تجسم آمار خلاصه
نسخه ی نمایشی: چولگی و کورتوزیس
نسخه ی نمایشی: کوواریانس و همبستگی
نسخه ی نمایشی: محاسبه و تجسم فواصل اطمینان
خلاصه ماژول
نمای کلی ماژول
نسخه ی نمایشی: میانگین و میانه
نسخه ی نمایشی: تأثیر نقاط پرت و حالت
نسخه ی نمایشی: واریانس محدوده بین چارکی و انحراف استاندارد
نسخه ی نمایشی: Z-scores با استفاده از SciPy
نسخه ی نمایشی: چولگی و کرتوز برای بازده سهام
آزمایشی: آمار توصیفی و تحلیل رگرسیون بر روی داده های دو متغیره و چند متغیره
نسخه ی نمایشی: محاسبه و تفسیر فواصل اطمینان
خلاصه و مطالعه بیشتر
Interpreting Data Using Descriptive Statistics 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.
آموزش آماده کردن داده ها برای مدل سازی با scikit-learn
Tuning Kafka
Using PyTorch in the Cloud: PyTorch Playbook
آموزش ساخت Feature ها از داده های عددی
Distributed Databases with Apache Ignite
AI Workshop: Hands-on with GANs Using Dense Neural Networks
Natural Language Generation with Python
Building Image Processing Applications Using scikit-image
Advanced Graph Neural Networks
Building Classification Models with scikit-learn