اصول استنتاج در پایتون
✅ سرفصل و جزئیات آموزش
درک واقعی تست های فرض
چه اتفاقی میافتد پس از اینکه میانگینهای خود را محاسبه کردید و نمودارهایتان را ساختید؟ چگونه از آمار توصیفی به تصمیمگیری مطمئن میرسید؟ چگونه میتوانید تست های فرض را برای حل مسائل دنیای واقعی به کار ببرید؟ در این دوره چهار ساعته درباره مبانی استنتاج در پایتون، تجربه عملی در نتیجهگیریهای صحیح بر اساس داده کسب خواهید کرد. شما همه چیز را درباره نمونهگیری خواهید آموخت و کشف خواهید کرد که چگونه نمونهگیری نامناسب میتواند استنتاج آماری را از مسیر خارج کند.
تحلیل طیف وسیعی از سناریوها
شما کار را با تست های فرض برای نرمال بودن و همبستگی، و همچنین تست های پارامتریک و ناپارامتریک آغاز خواهید کرد. شما این تست ها را با استفاده از SciPy اجرا خواهید کرد و خروجی آنها را برای تصمیمگیری تفسیر میکنید. سپس، قدرت یک نتیجه را با استفاده از اندازه اثر و توان آماری اندازهگیری خواهید کرد، در حالی که با اعمال اصلاحات از همبستگیهای کاذب اجتناب میکنید. در نهایت، از شبیهسازی، تصادفیسازی و فراتحلیل برای کار با طیف وسیعی از داده، از جمله تحلیل مجدد نتایج سایر محققان، استفاده خواهید کرد.
نتیجهگیریهای محکم از کلانداده
پس از این دوره، قادر خواهید بود با موفقیت کلانداده را بگیرید و از آنها برای اتخاذ تصمیمات اصولی که رهبران میتوانند به آنها تکیه کنند، استفاده کنید. شما بسیار فراتر از نمودارها و آمار خلاصه خواهید رفت تا نتایج قابل اعتماد، تکرارپذیر و قابل توضیح تولید کنید.
اصول استنتاج در پایتون
-
استنتاج آماری و نمونهگیری تصادفی None
-
نمونهگیری و سوگیری None
-
فواصل اطمینان و نمونهگیری None
-
تست های نرمال بودن None
-
تست های همبستگی None
-
تست های پارامتریک None
-
تست های ناپارامتریک None
-
اندازه اثر None
-
مقایسههای چندگانه و اصلاحات None
-
توان یک تست None
-
بوتاسترپینگ None
-
ترکیب شواهد از p-valueها None
-
تست های جایگشت None
-
ویدئوی جمعبندی دوره None
مشخصات آموزش
اصول استنتاج در پایتون
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:پیشرفته
- تعداد درس:14
- مدت زمان :4:00:00
- حجم :267.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy