آزمون‌های آماری کلیدی برای یک مهندس یادگیری ماشین

چکیده

این دوره به معرفی و آموزش آزمون‌های آماری که یک مهندس یادگیری ماشین یا یک دیتاساینتیست به آن احتیاج دارد، می‌پردازد. در این دوره دانشجویان با 5 مدل آزمون آماری آشنا می‌شوند که شامل آزمون‌های نرمالیتی، همبستگی، ایستایی، پارامتری و ناپارامتری می‌باشد. مباحث به زبان ساده و کاربردی بیان شده‌اند و فقط آشنایی مقدماتی با مفاهیم آماری برای درک مباحث این دوره کافی می‌باشد. در این دوره علاوه بر بیان مفاهیم و کاربردهای هر آزمون فرض آماری، تمامی آزمون‌ها در محیط پایتون نیز اجرا می‌شوند.

سرفصل‌های دوره 

1. مقدماتی در مورد آزمون‌های فرض آماری
2. آزمون‌های نرمالیتی (Normality Tests)
   • آزمون شاپیرو-ویلک (Shapiro-Wilk Test)
   • آزمون دآگوستینو (D’Agostino’s K^2)
   • آزمون اندرسون-دارلینگ (Anderson-Darling)
3. آزمون‌های همبستگی(Correlation Tests)
   • آزمون همبستگی پیرسن (Pearson)
   • آزمون همبستگی اسپیرمن (Spearman)
   • آزمون همبستگی کندال (Kendall)
   • آزمون کای-دو (Chi-Squared Test)

4. آزمون‌های ایستایی (Stationary Tests)
   • آزمون دیکی-فولر (Dickey-Fuller Unit Root Test)
   • آزمون كویاتكوفسكی-فیلیپس-اشمیت-شین (Kwiatkowski-Phillips-Schmidt-Shin)

5. آزمون‌های پارامتری (Parametric Statistical Hypothesis Tests)
   • آزمون t-استیودنت (Student’s t-test)
   • آزمون t-استیودنت زوجی (Paired Student’s t-test)
   • آزمون t-استیودنت یک نمونه‌ای (One Sample Student’s t-test)
   • آزمون تجزیه و تحلیل آزمون واریانس(آنووا) (Analysis of Variance Test (ANOVA))
   • آزمون z یک طرفه (One way z-test)
   • آزمون z دو طرفه (Two way z-test)

6. آزمون‌های ناپارامتری (Non-Parametric Statistical Hypothesis Tests)
   • آزمون من-ویتنی (Mann-Whitney U Test)
   • آزمون ویلکاکسون (Wilcoxon Signed-Rank Test)
   • آزمون کراسکال-والیس (Kruskal-Wallis H Test)
   • آزمون فریدمن (Friedman Test)