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.
Applying the Mathematical MASS Model with R
مدیریت داده های Batch بوسیله Apache Spark بر روی Databricks
آموزش داده یابی یا همان Data Mining از متون
Image Classification with PyTorch
آموزش بهبود داده های عددی برای بهتر کردن فرآیند یادگیری ماشینی
آموزش پیاده سازی متدهای Bootstrap در زبان R
Implementing Bootstrap Methods in R
Building Your First PyTorch Solution
آموزش دسته بندی عکس ها بوسیله PyTorch
آموزش تحلیل آماری بوسیله PyTorch