|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/statistics-for-data-scientists/
课程评论：没有评论
课程名称：数据科学中的应用统计学：实践为主的课程！ 课程概述：欢迎参加统计学课程，旨在为数据科学家提供关键的统计概念，并教会您如何将其应用于数据分析。这是一门高度实践导向的课程，注重建立对每个主题的直观理解。课程中将使用Python代码模拟各种场景，提供即插即用的体验。 课程内容包括： - 详细课程笔记（包含100页的教科书，配有50多个插图） - 360页幻灯片（包含超过10小时的讲座内容，分为40多个视频） - Jupyter Notebook中的所有代码（7个Notebook，2000多行代码） - 附加章节：机器学习入门 课程涵盖的主题： - 直方图 - 生成人工数据集 - 统计学的核心理念 - 中心极限定理 - 分布函数 - 分位数 - 数据范围 - 累积分布函数 - 不同类型的分布：正态分布、均匀分布、指数分布、泊松分布、伯努利分布、瑞利分布 - 统计测试 - 统计测试背后的推理 - P值和统计显著性 - 不同的统计测试方法：Shapiro-Wilk检验、Levene检验、学生T检验/威尔士T检验、方差分析（ANOVA）检验、Kolmogorov Smirnov检验、非参数检验 - 两个真实案例：以95%的确定性检测偏向硬币；实际的A/B测试 - 相关性分析：线性相关（皮尔逊相关系数及其替代方法）、分类相关（卡方检验及列联表） - 附加内容：回归分析和机器学习简介，包括线性回归和逻辑回归及机器学习流程 适合人群： - 数据科学专业的学生或其他技术领域的学生 - 希望转向数据科学职业的专业人士 - 希望做出数据驱动决策的管理者 - 希望将这一宝贵技能增加到工具库中的在职数据科学家 加入这门课程，提升您的数据分析能力，掌握应用统计学的实用技巧！
Welcome to the course on Statistics For Data Scientists!Learn about the key concepts in statistics, and how to apply them to your data analysis.A highly practical and hands-on approach.A focus on building an intuitive understanding of each topic.Learn to use Python code to simulate various scenarios in a plug-and-play manner.What is included in the course:Detailed Course Notes (100 page textbook with 50+ illustrative figures)Deck of 360 slides Lectures with 10h+ content spread over 40+ videosAll of the code in Jupyter Notebooks (7 notebooks, 2000+ lines of code)Bonus Chapter: Introduction to Machine LearningTopics that the course covers:The HistogramGenerating artificial Data setsThe central tenet of StatisticsThe Central Limit TheoremDistribution functionsPercentilesData RangesCumulative Distribution FunctionDifferent Distribution types:Normal DistributionUniform DistributionExponential DistributionPoisson DistributionBernoulli DistributionRayleigh DistributionStatistical TestingReasoning behind statistical testingP-valueStatistical SignificanceDifferent Statistical Tests:Shapiro-Wilk testLevene's testStudent T-test/ Welsh T-testANOVA testKolmogorov Smirnov testNon-parametric testsTwo real-life examplesDetect a biased coin with 95% certaintyReal-life A/B testingCorrelationLinear correlation - Pearson correlation coefficient + alternativesCategorical correlation - Chi-Squared test + contingency tablesEXTRA: Regression and intro to Machine LearningLinear RegressionLogistic Regression + ML pipelineWho is this course for:Students on a data science track, or any other technical field.Professionals that want to pivot into a data science career.Managers that want to be able to make data driven decisions.Practicing Data Scientists that want to add this value skill to their tool belt.
