After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Vuoi ottenere il prossimo lavoro o affinare le tue abilità per i colloqui di statistica per restare al top? Preparati a padroneggiare i classici concetti da colloquio, dalle probabilità condizionate all’A/B testing fino al compromesso bias-varianza, e molto altro! Lavorerai con una raccolta eterogenea di insiemi di dati, tra cui risultati di esperimenti sul web e dati meteo australiani. Al termine del corso, potrai affrontare con sicurezza il tuo prossimo colloquio e rispondere a qualsiasi domanda di statistica con l’aiuto di Python!
Prerequisiti
Curriculum
Programma del corso
1
Probabilità e distribuzioni di campionamento
Questo capitolo apre il corso ripassando le probabilità condizionate, il teorema di Bayes e il teorema del limite centrale. Lungo il percorso, imparerai a gestire domande che utilizzano le distribuzioni di probabilità più comuni.
- Probabilità condizionate50 XP
- Impostare i problemi50 XP
- Applicazione del teorema di Bayes100 XP
- Teorema del limite centrale50 XP
- Campioni da un dado lanciato100 XP
- Simulare il teorema del limite centrale100 XP
- Distribuzioni di probabilità50 XP
- Distribuzione di Bernoulli100 XP
- Distribuzione binomiale100 XP
- Distribuzione normale100 XP
2
Analisi esplorativa dei dati
In questo capitolo ti preparerai ai concetti statistici legati all’analisi esplorativa dei dati. Tra gli argomenti: statistiche descrittive, gestione delle variabili categoriche e relazioni tra variabili. Gli esercizi ti prepareranno a una valutazione analitica o a una domanda di coding basata sulla statistica.
3
Esperimenti statistici e test di significatività
Preparati ad approfondire concetti fondamentali su esperimenti e test ripassando intervalli di confidenza, test d’ipotesi, test multipli e il ruolo di potenza statistica e dimensione del campione. Parleremo anche dei tipi di errore e di cosa significano nella pratica.
4
Regressione e classificazione
Per concludere, affronteremo concetti strettamente legati ai modelli di regressione e classificazione. Il capitolo parte dai fondamenti degli algoritmi di Machine Learning e passa rapidamente alla valutazione dei modelli, alla gestione dei casi particolari e al compromesso bias-varianza.
Esercitarsi con le domande di statistica per i colloqui in Python
Corso
completato
