در حال حاضر محصولی در سبد خرید شما وجود ندارد.
با مشاهده این کورس آموزشی قدم به قدم با متدهای بوت استرپ در زبان R آشنا شده و کدنویسی آن ها را در پروژه های واقعی یاد می گیرید.
عنوان اصلی : Implementing Bootstrap Methods in R
بررسی اجمالی دوره
پیش نیازها و رئوس مطالب دوره
نمونه آمار و فواصل اطمینان
نسخه ی نمایشی: قضیه حد مرکزی در داده های واقعی
معایب رویکردهای مرسوم
فواصل اطمینان بوت استرپ
معرفی بوت استرپینگ
مفاهیم قضیه حد مرکزی
نسخه ی نمایشی: قضیه حد مرکزی با توزیع های مختلف
داده های معمولی توزیع شده: محاسبه فواصل اطمینان
داده ها با هر توزیع: برآورد میانگین و فواصل اطمینان
داده های معمولی توزیع شده: تخمین میانگین
نسخه ی نمایشی: بوت استرپ صاف
الگوریتم بوت استرپ بیزی
نسخه ی نمایشی: بوت استرپ چند آمار
نسخه ی نمایشی: اجرای بوت استرپ بیزی
نسخه ی نمایشی: آمار بوت استرپ و آمار نمونه
نسخه ی نمایشی: انجام بوت استرپ با استفاده از روش بوت
معرفی بوت استرپ بیزی
نسخه ی نمایشی: انجام بوت استرپ روی داده های واقعی
معرفی Smoothed Bootstrap
نسخه ی نمایشی: تخمین ضرایب با استفاده از بوت استرپینگ
نمونهبرداری مجدد موردی و نمونهگیری مجدد باقیمانده
معرفی رگرسیون خطی
معیارهای رگرسیون و بوت استرپینگ
خلاصه و مطالعه بیشتر
نسخه ی نمایشی: تخمین R2 مدل های رگرسیون با استفاده از بوت استرپ
نسخه ی نمایشی: نمونه برداری مجدد مورد و نمونه برداری مجدد با استفاده از روش Boot().
Implementing Bootstrap Methods in R
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 Graph Neural Networks
کورس آماده سازی داده ها برای Machine Learning
کورس یادگیری Kubernetes: GitOps with ArgoCD
آموزش تحلیل آماری بوسیله PyTorch
Solving Problems with Numerical Methods
Applying the Mathematical MASS Model with R
Summarizing Data and Deducing Probabilities
پایه های آمار و احتمال برای یادگیری ماشینی
آموزش مدل سازی داده های استریمینگ بوسیله Apache Beam SDK
Building Classification Models with scikit-learn
✨ تا ۷۰% تخفیف با شارژ کیف پول 🎁
مشاهده پلن ها