در حال حاضر محصولی در سبد خرید شما وجود ندارد.
با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با پایتون یاد می گیرید.
عنوان اصلی : Advanced Statistical Methods in Python
1. رگرسیون خطی:
همبستگی در مقابل رگرسیون - 365 علم داده
Decomposition of Variability - 365 Data Science
اولین رگرسیون در پایتون - 365 Data Science
نمایش هندسی مدل رگرسیون خطی - علم داده 365
نحوه تفسیر جدول رگرسیون - 365 Data Science
مقدمه ای بر تحلیل رگرسیون - 365 علم داده
نصب بسته های پایتون - 365 Data Science
R-Squared - 365 Data Science
مدل رگرسیون خطی - علم داده 365
استفاده از Seaborn برای نمودارها - 365 Data Science
به آمار پیشرفته خوش آمدید! - 365 علم داده
OLS- - 365 Data Science چیست؟
2. رگرسیون خطی چندگانه:
A1- Linearity - 365 Data Science
A2- No Endogeneity - 365 Data Science
A3- نرمال بودن و همسانی - 365 Data Science
A4- بدون خود همبستگی - 365 Data Science
A5- No Multicolinearity - 365 Data Science
Adjusted R-Squared - 365 Data Science
برخورد با داده های طبقه بندی شده - متغیرهای ساختگی - 365 علم داده
ساخت پیش بینی با رگرسیون خطی - 365 علم داده
رگرسیون خطی چندگانه - علم داده 365
فرضیات OLS - 365 Data Science
آزمون اهمیت مدل (F-Test) - 365 Data Science
3. رگرسیون خطی با sklearn:
Adjusted R-Squared - 365 Data Science
ایجاد یک جدول خلاصه با مقادیر p - 365 Data Science
مقیاس بندی ویژگی - 365 Data Science
انتخاب ویژگی از طریق مقادیر p (رگرسیون F) - 365 علم داده
انتخاب ویژگی از طریق استانداردسازی - 365 Data Science
طرح بازی برای sklearn - 365 Data Science
ساخت پیش بینی با ضرایب استاندارد - 365 علم داده
رگرسیون خطی چندگانه با sklearn - 365 Data Science
رگرسیون خطی ساده با sklearn - 365 Data Science
رگرسیون خطی ساده با sklearn - جدول خلاصه - 365 Data Science
آموزش و تست - 365 Data Science
Underfitting and Overfitting - 365 Data Science
sklearn چیست - 365 Data Science
4. رگرسیون خطی - مثال عملی:
مثال عملی (قسمت 1) - 365 علم داده
مثال عملی (قسمت 2) - 365 علم داده
مثال عملی (قسمت 3) - 365 Data Science
مثال عملی (قسمت 4) - 365 علم داده
مثال عملی (قسمت 5) - 365 علم داده
5. رگرسیون لجستیک:
یک مثال ساده در پایتون - 365 Data Science
نکته ارزشمند کدنویسی - 365 Data Science
پیش بینی دودویی در یک رگرسیون لجستیک - 365 علم داده
ساخت رگرسیون لجستیک - علم داده 365
محاسبه دقت مدل - 365 Data Science
مقدمه ای بر تحلیل خوشه ای - 365 علم داده
مقدمه ای بر رگرسیون لجستیک - 365 علم داده
عملکرد لجستیک در مقابل لاجیت - 365 Data Science
Underfitting and Overfitting - 365 Data Science
درک جداول رگرسیون لجستیک - 365 علم داده
شانس ها در واقع به چه معنا هستند - 365 Data Science
6. تحلیل خوشه ای (مبانی و پیش نیازها):
تفاوت بین طبقه بندی و خوشه بندی - 365 Data Science
مقدمه ای بر تحلیل خوشه ای - 365 علم داده
پیش نیازهای ریاضی - 365 علم داده
چند نمونه از خوشه ها - 365 علم داده
7. K-Means Clustering:
یک مثال ساده از خوشه بندی - 365 علم داده
خوشه بندی داده های طبقه بندی شده - 365 علم داده
چگونه خوشه بندی مفید است - 365 Data Science
نحوه انتخاب تعداد خوشه ها - 365 علم داده
K-Means Clustering - 365 Data Science
تقسیم بندی بازار با تجزیه و تحلیل خوشه ای (قسمت 1) - 365 علم داده
تقسیم بندی بازار با تجزیه و تحلیل خوشه ای (قسمت 2) - 365 علم داده
مزایا و معایب خوشه بندی K-Means - 365 Data Science
رابطه بین خوشه بندی و رگرسیون - 365 علم داده
استانداردسازی یا استاندارد نکردن - 365 Data Science
8. انواع دیگر خوشه بندی:
دندروگرام - 365 Data Science
Heatmaps - 365 Data Science
انواع خوشه بندی - 365 علم داده
Advanced Statistical Methods in 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.