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
- مقدماتی در مورد آزمونهای فرض آماری
- آزمونهای نرمالیتی (Normality Tests)
- آزمون شاپیرو-ویلک (Shapiro-Wilk Test)
- آزمون دآگوستینو (D’Agostino’s K^2)
- آزمون اندرسون-دارلینگ (Anderson-Darling)
- آزمونهای همبستگی(Correlation Tests)
- آزمون همبستگی پیرسن (Pearson)
- آزمون همبستگی اسپیرمن (Spearman)
- آزمون همبستگی کندال (Kendall)
- آزمون کای-دو (Chi-Squared Test)
- آزمونهای ایستایی (Stationary Tests)
- آزمون دیکی-فولر (Dickey-Fuller Unit Root Test)
- آزمون كویاتكوفسكی-فیلیپس-اشمیت-شین (Kwiatkowski-Phillips-Schmidt-Shin)
- 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)
- 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)
دانلود درسنامه های دوره آزمونهای آماری کلیدی برای یک مهندس یادگیری ماشین
گام اول: مقدمات و آزمون های نرمالیتی ویدئو
24:39
گام دوم: آزمون های همبستگی ویدئو
20:46
گام سوم: آزمون های ایستایی ویدئو
11:38
گام چهارم: آزمون های پارامتری ویدئو
42:13
گام پنجم: آزمون های ناپارامتری ویدئو
21:39
پیوست های ضروری دوره
فایل ارائه دوره فایل های ضمیمه
با فرمت PDF
ژوپیتر نوت بوک تمرین دوره فایل های ضمیمه
با فرمت IPYNB
سایر دوره های مدرس
دوره های مرتبط
دوره آموزشی تحلیل شبکه های اجتماعی و پیچیده با پایتون
دوره آموزشی پروژه محور هوش تجاری با Tableau
دوره آموزشی پروژه محور مبانی پردازش تصویر و بینایی ماشین با OpenCV
دوره آموزشی پروژه محور تکنیک های داده افزایی در پردازش زبان طبیعی
دوره آموزشی طراحی و پیاده سازی سیستم های توصیه گر با پایتون
دوره آموزشی پروژه محور Docker برای مهندسان داده
دوره آموزشی تصویرسازی داده ها در پایتون با Matplotlib
امتیاز دانشجویان دوره
نظرات
تنها اشخاصی که این محصول را خریداری کرده اند و وارد سایت شده اند می توانند در مورد این محصول بازبینی ارسال کنند.
200,000 تومان 99,000 تومان
فاطمه درزی
دکترا، فریدریش شیلر ینا،آلماندانشجوی دکترای دانشگاه فریدریش شیلر ینا در آلمان، فارغ التحصیل مقطع کارشناسی ارشد آمار ریاضی از دانشگاه الزهرا تهران است. از علاقه مندی های پژوهشی وی می توان به پردازش داده های سری زمانی و پردازش تصویر اشاره کرد.
مهدیس( دانشجوی دوره )
به نظرم دوره خوبی است. بدون اطلاعات اضافی اصل ماجرا را توضیح می دهند و در زمان کوتاهی الگویی برای کدنویسی ارائه می دهند. جمع آوری آزمونهای مهم باعث شده است که دوره کارآمد باشد. من از این دوره استفاه کردم.