Przejdź do głównej treści

Strona główna Python

Kurs

Ćwiczenie pytań rekrutacyjnych ze statystyki w Pythonie

ZaawansowanyPoziom umiejętności

Zaktualizowano 06.2022

Zacznij kurs za darmo

PythonProbability & Statistics

4 godz.

15 filmów

46 Ćwiczeń

3,700 XP

16,519

Zaświadczenie o ukończeniu

Uwielbiany przez kursantów z tysięcy firm

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

Chcesz zdobyć wymarzoną pracę albo po prostu podszlifować wiedzę ze statystyki? Opanuj kluczowe zagadnienia poruszane na rozmowach rekrutacyjnych – od prawdopodobieństwa warunkowego, przez testy A/B, aż po kompromis między obciążeniem a wariancją modelu. Będziesz pracować z różnorodnymi zbiorami danych, w tym z wynikami eksperymentów internetowych i danymi pogodowymi z Australii. Po ukończeniu kursu śmiało wejdziesz na rozmowę kwalifikacyjną i z pomocą Pythona poradzisz sobie z każdym pytaniem ze statystyki!

Wymagania wstępne

Hypothesis Testing in Python Supervised Learning with scikit-learn

1

Probability and Sampling Distributions

This chapter kicks the course off by reviewing conditional probabilities, Bayes' theorem, and central limit theorem. Along the way, you will learn how to handle questions that work with commonly referenced probability distributions.

Conditional probabilities

Setting up problems

Bayes' theorem applied

Central limit theorem

Samples from a rolled die

Simulating central limit theorem

Probability distributions

Bernoulli distribution

Binomial distribution

Normal distribution

Zacznij rozdział

2

Exploratory Data Analysis

In this chapter, you will prepare for statistical concepts related to exploratory data analysis. The topics include descriptive statistics, dealing with categorical variables, and relationships between variables. The exercises will prepare you for an analytical assessment or stats-based coding question.

Descriptive statistics

Mean or median

Standard deviation by hand

Categorical data

Encoding techniques

Exploring laptop prices

Two or more variables

Types of relationships

Pearson correlation

Sensitivity to outliers

Zacznij rozdział

3

Statistical Experiments and Significance Testing

Prepare to dive deeper into crucial concepts regarding experiments and testing by reviewing confidence intervals, hypothesis testing, multiple tests, and the role that power and sample size play. We'll also discuss types of errors, and what they mean in practice.

Confidence intervals

Confidence interval by hand

Applying confidence intervals

Hypothesis testing

One tailed z-test

Two tailed t-test

Power and sample size

Effect on type II error

Calculating sample size

Visualizing the relationship

Multiple testing

Calculating error rates

Bonferroni correction

Zacznij rozdział

4

Regression and Classification

Wrapping up, we'll address concepts related closely to regression and classification models. The chapter begins by reviewing fundamental machine learning algorithms and quickly ramps up to model evaluation, dealing with special cases, and the bias-variance tradeoff.

Regression models

Linear regression

Logistic regression

Evaluating models

Regression evaluation

Classification evaluation

Missing data and outliers

Handling null values

Identifying outliers

Bias-variance tradeoff

Test and training error

Visualizing the tradeoff

Wrapping up

Zacznij rozdział

Ćwiczenie pytań rekrutacyjnych ze statystyki w Pythonie

Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Ćwiczenie pytań rekrutacyjnych ze statystyki w Pythonie już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.