در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این دوره آموزشی مبانی و کاربرد پردازش داده ها را یاد گرفته و سپس قدم به قدم همراه با مدرس دوره برنامه نویسی و اجرای چنین برنامه هایی را یاد گرفته ، تمرین خواهید کرد.
عنوان اصلی : Johns Hopkins University : Computing for Data Analysis
2 - 1 - چشم انداز تجزیه و تحلیل داده ها (402)
2 - 2 - دوره لجستیک (806)
3 - 1 - مقدمه دوره (413)
3 - 2 - دریافت کمک (1224)
3 - 3 - داده چیست (1125)
3 - 4 - نمایش داده ها (1842)
3 - 5 - نمایش داده ها در R (1318)
3 - 6 - مبانی شبیه سازی (957)
3 - 7 - انواع سوالات تجزیه و تحلیل داده ها (1054)
3 - 8 - منابع مجموعه داده ها (734)
4 - 1 - ساختار تجزیه و تحلیل داده ها (قسمت 1) (1215)
4 - 2 - ساختار تجزیه و تحلیل داده ها (قسمت 2) (1659)
4 - 3 - سازماندهی تجزیه و تحلیل داده ها (1613)
4 - 4 - دریافت داده ها (قسمت 1) (2148)
4 - 5 - دریافت داده (قسمت 2) (2205)
4 - 6 - منابع داده (730)
4 - 7 - خلاصه کردن داده ها (2321)
4 - 8 - Data Munging Basics (3131)
5 - 1 - تکلیف تجزیه و تحلیل مثال (747)
5 - 2 - نمودارهای اکتشافی قسمت 1 (2027)
5 - 3 - نمودارهای اکتشافی قسمت 2 (2319)
5 - 4 - نمودارهای توضیحی (1546)
5 - 5 - خوشه بندی سلسله مراتبی (1740)
5 - 6 - K-Means Clustering (836)
5 - 7 - کاهش ابعاد (2124)
6 - 1 - مثال خوشهبندی (1829)
6 - 2 - حداقل مربعات پایه (1112)
6 - 3 - مبانی استنتاج (2122)
6 - 4 - P-values (1539)
6 - 5 - رگرسیون با متغیرهای عامل (1706)
6 - 6 - رگرسیون چند متغیره (1053)
6 - 7 - رگرسیون در دنیای واقعی (2026)
7 - 1 - ANOVA با عوامل متعدد (1243)
7 - 2 - نتایج باینری (2320)
7 - 3 - شمارش نتایج (1629)
7 - 4 - بررسی و انتخاب مدل (2624)
8 - 6 - تنظیم فهرست کاری و ویرایش کد R (Mac) [742]
Johns Hopkins University : Computing for Data Analysis
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.