کتاب جامع آمار برای علوم داده: از تحلیل توصیفی تا استنباط آماری با Python با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع آمار برای علوم داده: از تحلیل توصیفی تا استنباط آماری با Python

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: آمار کاربردی در تحلیل داده‌ها با زبان برنامه‌نویسی پایتون

📋 سرفصل‌های دوره

  • 1. مبانی و مفاهیم پایه در علوم داده و نقش آمار
  • 2. آشنایی با محیط برنامه‌نویسی پایتون برای تحلیل آماری
  • 3. نصب و راه‌اندازی کتابخانه‌های آماری پایتون شامل NumPy و Pandas
  • 4. انواع داده‌ها و مقیاس‌های اندازه‌گیری در آمار
  • 5. جمع‌آوری و پیش‌پردازش داده‌های خام برای تحلیل
  • 6. شاخص‌های مرکزی میانگین میانه و نما در پایتون
  • 7. شاخص‌های پراکندگی واریانس و انحراف معیار
  • 8. تحلیل توصیفی داده‌ها با استفاده از نمودارهای آماری
  • 9. روش‌های بصری‌سازی داده‌ها با کتابخانه‌های Matplotlib و Seaborn
  • 10. مبانی احتمالات و کاربرد آن در تحلیل داده‌ها
  • 11. توزیع‌های احتمالی گسسته و کاربردهای آن
  • 12. توزیع‌های احتمالی پیوسته و توزیع نرمال
  • 13. قضیه حد مرکزی و اهمیت آن در استنباط آماری
  • 14. نمونه‌گیری آماری و روش‌های انتخاب نمونه مناسب
  • 15. تخمین نقطه‌ای و ویژگی‌های برآوردگرهای آماری
  • 16. تخمین فاصله‌ای و فواصل اطمینان
  • 17. مبانی آزمون فرض آماری و فرضیه صفر و مقابل
  • 18. سطح معناداری و خطاهای نوع اول و دوم در آزمون فرض
  • 19. آزمون‌های آماری برای میانگین یک جامعه
  • 20. مقایسه میانگین دو جامعه با استفاده از آزمون تی استیودنت
  • 21. آزمون‌های ناپارامتری برای داده‌های غیرنرمال
  • 22. تحلیل واریانس یک‌طرفه برای مقایسه چندین گروه
  • 23. همبستگی پیرسون و اسپیرمن در تحلیل داده‌ها
  • 24. مبانی رگرسیون خطی ساده با پایتون
  • 25. ارزیابی مدل‌های رگرسیون خطی و بررسی باقی‌مانده‌ها
  • 26. رگرسیون خطی چندگانه و تفسیر ضرایب
  • 27. روش‌های انتخاب متغیر در مدل‌های رگرسیون
  • 28. تحلیل سری‌های زمانی و مفاهیم پایه روند و فصلی بودن
  • 29. استفاده از آزمون‌های کای‌اسکوئر برای داده‌های طبقه‌بندی شده
  • 30. کاربرد آمار در یادگیری ماشین و پیش‌بینی داده‌ها
  • 31. اعتبارسنجی مدل‌های آماری و روش‌های بازنمونه‌گیری
  • 32. مفاهیم پایه داده‌کاوی و اکتشاف الگوها
  • 33. اخلاق در تحلیل داده و رعایت حریم خصوصی در پردازش اطلاعات
  • 34. گزارش‌نویسی علمی و ارائه نتایج آماری به مدیران و تصمیم‌گیران
  • 35. پروژه عملی تحلیل داده‌های واقعی با استفاده از ابزارهای آماری پایتون
تگ‌ها: Data Science آمار استنباطی آمار کاربردی آمار و احتمال برنامه‌نویسی پایتون تحلیل آماری با پایتون تحلیل داده دانش داده علوم داده یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.