After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Cursusbeschrijving
Na al het harde werk om gegevens te verzamelen en ze in een bruikbare vorm te krijgen, wil je er uiteindelijk heldere, bondige conclusies uit kunnen trekken. Deze cruciale laatste stap in een data-analysepijplijn steunt op de principes van statistische inferentie. In deze cursus leg je de basis om statistisch te leren denken, de taal van je data te spreken en te begrijpen wat je data je vertellen. De fundamenten van statistisch denken kostten decennia om op te bouwen, maar zijn tegenwoordig veel sneller te doorgronden met hulp van computers. Met de kracht van Python-tools ben je in korte tijd up-to-speed en denk je aan het eind van deze cursus al statistisch.
Vereisten
Curriculum
Cursusoverzicht
1
Grafische verkennende data-analyse
Voordat je duikt in geavanceerde technieken voor statistische inferentie, is het goed om je data eerst te verkennen door ze te plotten en eenvoudige samenvattende statistieken te berekenen. Dit proces, verkennende data-analyse genoemd, is een cruciale eerste stap in de statistische analyse van data.
- Introductie tot verkennende data-analyse50 XP
- Wat is het doel van statistische inferentie?50 XP
- Voordelen van grafische EDA50 XP
- Een histogram plotten50 XP
- Een histogram van irisgegevens plotten100 XP
- Aslabels!100 XP
- Het aantal bins in een histogram aanpassen100 XP
- Visualiseer al je data: beeswarm-plots50 XP
- Bee-swarmplot100 XP
- Een bee swarm-plot interpreteren50 XP
- Laat al je data zien: ECDF's50 XP
- De ECDF berekenen100 XP
- De ECDF plotten100 XP
- ECDF's vergelijken100 XP
- Op naar het hele verhaal!50 XP
2
Kwantitatieve verkennende data-analyse
In dit hoofdstuk bereken je handige samenvattende statistieken, die met een paar getallen de belangrijkste kenmerken van een gegevensset beknopt beschrijven.
3
Probabilistisch denken — Discrete variabelen
Statistische inferentie rust op kansrekening. Omdat we zelden met absolute zekerheid iets betekenisvols uit data kunnen concluderen, gebruiken we probabilistische taal om kwantitatieve uitspraken over data te doen. In dit hoofdstuk leer je probabilistisch te denken over discrete grootheden: waarden die alleen bepaalde uitkomsten kunnen aannemen, zoals gehele getallen.
4
Probabilistisch denken — Continue variabelen
Tijd voor continue variabelen, zoals grootheden die elke fractionele waarde kunnen aannemen. Veel principes zijn hetzelfde, maar er zijn enkele subtiliteiten. Aan het eind van dit laatste hoofdstuk spreek je de probabilistische taal die je nodig hebt om van start te gaan met de inferentietechnieken in het vervolg op deze cursus.
Statistisch denken in Python (deel 1)
Cursus
voltooid
