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.
آموزش ساخت راهکارهای PyTorch
اجرای الگوریتم های گراف بوسیله GraphFrames بر روی Databricks
Deploying PyTorch Models in Production: PyTorch Playbook
آموزش مصور سازی داده های آماری با Seaborn
Data Validation Techniques in Microsoft Excel
آموزش پردازش زبان طبیعی بوسیله PyTorch
Combining and Shaping Data
آموزش اعمال معادلات دیفرانسیل و مدل های معکوس در زبان R
مفاهیم کلیدی یادگیری ماشینی
Building Clustering Models with scikit-learn