|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/data-analysis-in-python-for-lean-six-sigma-professionals/
课程评论：没有评论
**课程名称：** Python in Python for Lean Six Sigma Professionals **课程概述：** 本课程旨在为精通精益六西格玛（Lean Six Sigma）的数据分析专业人士提供Python数据分析技能。作为精益六西格玛专业人士，您已经熟悉使用 Minitab、Excel、JMP 或 SPSS 进行数据分析。然而，在当今数据科学需求旺盛的时代，掌握Python进行全面分析将为您带来巨大优势，否则将处于不利地位。 **课程收益：** * **零编程基础要求：** 课程将从Python安装开始，提供详细的步骤指导，帮助您掌握所有精益六西格玛所需的数据分析功能。 * **数据处理能力：** 学习在分析前进行数据处理，为后续分析打下坚实基础。 * **Python包应用：** 接触并学习多种核心Python数据分析包。 * **源码文件：** 提供所有Python源代码文件供下载。 * **端到端案例研究：** 通过一个完整的精益六西格玛分析案例，全面实践所学知识。 **课程内容（使用Python实现的精益六西格玛工具）：** * **数据处理：** 使用Python进行数据清洗、转换和准备。 * **描述性统计：** * 直方图、分布曲线、置信水平 * 箱线图 * 茎叶图 * 散点图 * 热力图 * Pearson相关性分析 * **回归分析：** * 多元线性回归 * **方差分析（ANOVA）** * **t检验：** * 单样本t检验 * 双样本t检验 * 配对t检验 * **比例检验：** * 单比例检验 * 双比例检验 * **卡方检验** * **统计过程控制（SPC）：** * 控制图：mR图、Xbar-R图、Xbar-S图、NP图、P图、C图、U图 **使用的Python包：** * Numpy * Pandas * Matplotlib * Seaborn * Statsmodels * Scipy * PySPC * Stemgraphic
Why you should consider this PYTHON course?As a Lean Six Sigma Professional, you are already aware how to perform Six Sigma Data Analysis & Discovery using Minitab, Excel, JMP or SPSSData Science is a skill in demand and you have an added advantage due to your prior Six Sigma Data Analysis proficiencyBut without able to perform all the analysis in Python, you at Big Dis-advantageWhat you will Get in this Course?Step-by-Step Procedure starting with Python installation to perform all the below Six Sigma Data AnalysisNo Programing Experience NeededLearn data manipulation prior to analysisExposure to various Python Packages mentioned belowDownload all Python Source FilesOne End to End Six Sigma Analysis Case StudyCourse CurriculumSix Sigma Tools Covered using PythonData Manipulation in PythonDescriptive StatisticsHistogram, Distribution Curve, Confidence levelsBoxplotStem & Leaf PlotScatter PlotHeat MapPearson's CorrelationMultiple Linear RegressionANOVAT-tests - 1t, 2t and Paired tProportions Test - 1P, 2PChi-square TestSPC (Control Charts - mR, XbarR, XbarS, NP, P, C, U charts)Python PackagesNumpyPandasMatplotlibSeabornStatsmodelsScipyPySPCStemgraphic
