×
ribbon

آموزش آمار مقدماتی برای متخصصان علوم داده

مدرس:Udemy

Brian Greco

دوره "Introduction to Statistics for Data Science"، یک آموزش جامع و اصولی از مبانی آمار و احتمال را... بیشتر
محبوب کاربران
زیرنویس
4.9 (21)
7 دیدگاه
1,269دانشجو
10ساعت
سرفصل‌ها
مقدماتی سطح دوره

اشتراک مکتب‌پلاس

خرید اشتراک

با خرید اشتراک مکتب‌پلاس، علاوه بر این دوره، به بیش از ۴،۰۰۰ دوره دیگر دسترسی خواهید داشت.

دسترسی به تمام دوره‌هابیش از ۴،۰۰۰ دوره
محتوای دوره
سرفصل‌ها
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

ایجاد یک پایه قوی در آمار و احتمال و توسعه دایره واژگان آماری

یادگیری روش‌های آزمون فرض برای نسبت‌ها و میانگین‌ها

نحوه ایجاد فواصل اطمینان و ارتباط آن‌ها با آزمون‌های فرضیه

یادگیری اجرای آزمون‌های کای‌دو برای داده‌های دسته‌ای

این دوره شامل:

10 ساعت ویدئو

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

زیرنویس اختصاصی مکتب‌خونه

سرفصل‌های دوره

10 فصل67 جلسه10 ساعت ویدیو
مقدمه، داده‌ها و نمودارها
  مقدمه: آمار، داده‌ها و متغیرها
04:55
  متغیرهای دسته‌ای، فراوانی و نسبت، نمودارهای میله‌ای
11:56
  متغیرهای گسسته و پیوسته، نمودارهای نقطه‌ای
10:25
  نمودار ساقه و برگ و هیستوگرام‌ها
10:34
  شکل، چولگی و تقارن
12:54
  گرایش مرکزی: میانگین، میانه، مد
11:27
  پراکندگی: دامنه، IQR، نمودار جعبه‌ای
14:38
  پراکندگی: واریانس و انحراف معیار
08:51
احتمال
  مقدار مشاهده‌شده در مقابل مقدار مورد انتظار
04:17
  نتایج، رویدادها، فضای نمونه، متمم‌ها
05:16
  احتمال A یا B: اجتماع رویدادها
08:52
  تمرین: اجتماعات و نمودارهای ون
07:54
  احتمال A و B: اشتراک و احتمال شرطی
11:23
  تمرین: استقلال، احتمال شرطی، اشتراک‌ها
15:30
  متغیرهای تصادفی، تابع چگالی احتمال (PDF/PMF)، تابع توزیع تجمعی (CDF)
11:28
  تمرین: PMF و CDF گسسته
16:54
  تمرین: CDF پیوسته (توزیع یکنواخت)
08:52
  توزیع دو‌جمله‌ای
13:53
  مقدار مورد انتظار
05:53
  تمرین: مقدار مورد انتظار
11:02
توزیع نرمال
  توزیع نرمال استاندارد و قانون تجربی
08:26
  قانون تجربی و کاربردهای بیشتر
08:24
  جدول Z
13:25
  پارامترهای توزیع نرمال: میانگین و انحراف معیار
06:36
  نمرات Z
06:08
  تمرین: جدول Z
14:52
  تمرین: نمرات Z
04:53
  قضیه حد مرکزی (CLT)
12:02
  تمرین: CLT برای داده‌های پیوسته
08:01
  تمرین: CLT برای داده‌های دو جمله‌ای
05:48
آزمون Z برای یک نسبت
  فرضیه صفر و فرضیه جایگزین
07:24
  مقادیر بحرانی و قوانین تصمیم‌گیری
11:11
  مقدار p
07:29
  مقدار p با تقریب نرمال
06:50
  خطای نوع اول و آلفا
11:49
  مثال آزمون Z برای یک نسبت
10:42
آزمون Z برای دو نسبت
  آزمون فرض برای دو نسبت
09:58
  مثال آزمون فرض برای دو نسبت
10:04
آزمون Z و t برای یک میانگین
  آزمون Z برای یک نمونه
09:19
  آزمون t برای یک نمونه
11:34
  مثال آزمون t برای یک نمونه
08:22
آزمون T برای دو میانگین
  آزمون t برای دو نمونه
06:50
  مثال آزمون t برای دو نمونه
05:27
  آزمون‌های تجمیعی و غیرتجمیعی
05:54
  آزمون‌های t جفت‌شده
05:10
فواصل اطمینان
  مفهوم فواصل اطمینان
07:20
  تبدیل یک آماره آزمون به فاصله اطمینان
09:05
  آزمون فرض بر اساس فاصله اطمینان
04:23
  چهار فرمول اصلی فاصله اطمینان
06:55
  مثال فاصله اطمینان برای یک نسبت
07:03
  مثال فاصله اطمینان برای دو نسبت
05:15
  مثال فاصله اطمینان برای یک میانگین
03:28
  مثال فاصله اطمینان برای دو میانگین
05:21
آزمون کای‌دو (Chi-Square)
  آزمون نیکویی برازش کای‌دو
10:40
  مثال آزمون نیکویی برازش
08:50
  جداول دو بعدی و مقادیر مورد انتظار
06:34
  آزمون کای‌دو برای جداول دو بعدی
08:16
  استقلال در مقابل همگنی
07:06
  مثال آزمون کای‌دو برای جدول دو بعدی
08:52
همبستگی و رگرسیون خطی ساده
  متغیرهای کمی و همبستگی
08:30
  ضریب همبستگی
15:18
  معادله رگرسیون و تفسیر آن
11:51
  روش کمترین مربعات
07:43
  مثال مسئله رگرسیون
07:49
  خطاها و باقی‌مانده‌ها
10:39
  R²: ضریب تعیین
07:44
  استنتاج رگرسیون: آزمون فرض و فواصل اطمینان
10:22

پیش‌نیاز‌ها

این دوره به نحوی تهیه و تدوین شده است که مباحث آن به ساده‌ترین شکل ممکن بیان شوند و مخاطبان دوره بتوانند به‌سادگی متوجه موضوعات مطرح شده شوند. به همین جهت برای شرکت در این دوره هیچ پیش‌نیاز به خصوصی وجود ندارد و افراد با هر سطحی از آگاهی و تحصیلات می‌توانند از مباحث این دوره نهایت استفاده را داشته باشند.

توضیحات دوره

دوره "Introduction to Statistics for Data Science"، یک آموزش جامع و اصولی از مبانی آمار و احتمال را ارائه می‌دهد که در کلاس‌های مقدماتی دانشگاه تدریس می‌شود، با تمرکز ویژه بر آزمون‌های فرضیه برای نسبت‌ها، میانگین‌ها و داده‌های دسته‌ای. در طول دوره، مفاهیم کلیدی آمار از جمله انواع داده‌ها، نمودارهای رایج، توزیع‌های احتمالی، و توزیع نرمال به‌صورت گام‌به‌گام بررسی می‌شود. همچنین، دانشجویان یاد خواهند گرفت که چگونه از نمرات Z، جداول Z و قوانین احتمال برای محاسبه احتمالات استفاده کنند و مفهوم خطاهای نوع اول، مقادیر بحرانی و مقادیر p را درک کنند.

در این مسیر آموزشی، شرکت‌کنندگان علاوه بر مفاهیم اساسی، یاد خواهند گرفت که چگونه آزمون‌های Z و t را برای یک یا دو نسبت و یک یا دو میانگین اجرا کنند، چگونه فواصل اطمینان را برای نسبت‌ها و میانگین‌ها محاسبه کنند و چه ارتباطی بین آزمون‌های فرضیه و فواصل اطمینان وجود دارد. همچنین، آزمون‌های کای‌دو برای نیکویی برازش، همگنی و استقلال به‌طور کامل پوشش داده شده و مبانی همبستگی و رگرسیون خطی ساده معرفی می‌شود. این دوره برای دانشجویان دانشگاهی و دبیرستانی که به دنبال تقویت دانش خود در آمار هستند، یادگیرندگان خودآموز که می‌خواهند یک دوره‌ی جامع و دانشگاهی را به‌صورت مستقل بگذرانند، و همچنین متخصصان علوم داده که قصد دارند دانش آماری خود را برای مصاحبه‌های شغلی تقویت کنند، کاملاً ایده‌آل است. با بهره‌گیری از مثال‌های دقیق، تمرین‌های عملی و آزمون‌های متعدد، این دوره به شما کمک می‌کند تا با تسلط بر آمار، مهارت‌های تحلیلی خود را برای موفقیت در دانشگاه، کار یا تحقیقات علمی ارتقا دهید.

دیدگاه کاربران

4.9

بر اساس امتیاز 21 دانشجو

1
2
3
4
5

سميه آشفته

3 روز پیش

5

عالی

احمدرضا زیدی

4 روز پیش

5

عالی

دانشجوی دوره

18 روز پیش

5

بهترین گزینه برای یادگیری مفاهیم پایه آمار استنباطی و توصیفی، فارغ از گرایش درسی، مناسب برای تمام دانشجویان، همچنین قابل کاربست در زندگی روزمره برای فهم و تفسیر بهتر وقایع و تصمیم های روزمره بجای شهود.

محمدهادی نجات

23 روز پیش

5

عالی

مهدی برزو

24 روز پیش

5

مناسب برای افرادی که از علم آمار دور بودند

محمدحسين شیخ بهایی

4 ماه پیش

5

عالی و بینظیر. مثال ها و شیوه تدریس و مفاهیم همگی عالی هستن

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه
1دوره
1,269دانشجو
21نظر و امتیاز

Brian Greco یک آماردان، دانشمند داده و مدرس با بیش از یک دهه تجربه در تدریس آمار در دانشگاه‌های برتر و پلتفرم‌های آموزشی آنلاین است. او به عنوان دانشمند داده در گوگل فعالیت داشته و داده‌های بیش از ۱ میلیارد کاربر را تحلیل کرده است. همچنین، او روش‌های نوآورانه‌ای برای تحلیل داده‌های توالی‌یابی ژنتیکی توسعه داده است. با این حال، بزرگ‌ترین علاقه‌ی او آموزش آمار و کمک به دیگران برای درک عمیق این علم است. هدف او این است که یادگیری آمار را ساده، کاربردی و قابل فهم کند تا دانشجویان و متخصصان بتوانند از آن در حل مسائل دنیای واقعی بهره ببرند.

مهارت‌هایی که می‌آموزید

دوره‌های مشابه

سوالات پرتکرار

آیا بعد از پایان مدت دوره همچنان به محتوای آن دسترسی دارم؟

بله. پس از پایان مدت دوره نیز به ویدئوها، تمرین‌ها، پروژه‌ها و سایر محتوای آموزشی دوره دسترسی خواهید داشت؛ اما امکان تصحیح تمرین‌ها توسط پشتیبان دوره و دریافت گواهی‌نامه برای شما وجود نخواهد داشت.