Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Quer conquistar a próxima vaga ou aprimorar suas habilidades para entrevistas de estatística? Prepare-se para dominar conceitos clássicos, de probabilidades condicionais a testes A/B e ao trade-off viés-variância, e muito mais! Você vai trabalhar com uma coleção diversa de conjuntos de dados, incluindo resultados de experimentos na web e dados meteorológicos da Austrália. Ao final do curso, você vai entrar na sua próxima entrevista com confiança e encarar qualquer pergunta de estatística com a ajuda do Python!
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Probabilidade e distribuições amostrais
Este capítulo inicia o curso revisando probabilidades condicionais, o teorema de Bayes e o teorema central do limite. Ao longo do caminho, você vai aprender a lidar com questões que utilizam distribuições de probabilidade frequentemente referenciadas.
- Probabilidades condicionais50 XP
- Como estruturar problemas50 XP
- Aplicando o teorema de Bayes100 XP
- Teorema central do limite50 XP
- Amostras de um dado lançado100 XP
- Simulando o teorema central do limite100 XP
- Distribuições de probabilidade50 XP
- Distribuição de Bernoulli100 XP
- Distribuição binomial100 XP
- Distribuição normal100 XP
2
Análise exploratória de dados
Neste capítulo, você vai se preparar para conceitos estatísticos ligados à análise exploratória de dados. Os tópicos incluem estatística descritiva, tratamento de variáveis categóricas e relações entre variáveis. Os exercícios vão te preparar para uma avaliação analítica ou uma questão de codificação baseada em estatística.
3
Experimentos estatísticos e testes de significância
Prepare-se para se aprofundar em conceitos cruciais sobre experimentos e testes revisando intervalos de confiança, testes de hipótese, testes múltiplos e o papel do poder estatístico e do tamanho de amostra. Também vamos discutir tipos de erro e o que eles significam na prática.
4
Regressão e classificação
Para concluir, vamos abordar conceitos intimamente relacionados a modelos de regressão e classificação. O capítulo começa revisando algoritmos fundamentais de Machine Learning e rapidamente avança para avaliação de modelos, tratamento de casos especiais e o trade-off viés-variância.
Praticando perguntas de entrevista de Estatística em Python
Curso
concluído
