После прохождения этих курсов я уверенно создаю профессиональные визуализации и дашборды.
Shoebur RahmanСпециалист по закупкам, Giz Bangladesh
Описание курса
Готовитесь к следующему собеседованию или хотите поддержать статистические знания в тонусе? Освойте ключевые темы: условные вероятности, теорема Байеса, A/B-тестирование, компромисс смещения и дисперсии — и многое другое! Вы будете работать с разнообразными наборами данных: результатами веб-экспериментов и данными об австралийском климате. По окончании курса вы сможете уверенно отвечать на любые статистические вопросы на собеседовании — с опорой на Python!
Предварительные требования
Программа
План курса
1
Вероятность и выборочные распределения
Курс начинается с повторения условных вероятностей, теоремы Байеса и центральной предельной теоремы. По ходу глав вы научитесь работать с наиболее распространёнными вероятностными распределениями, которые часто встречаются на собеседованиях.
- Условные вероятности50 XP
- Постановка задач50 XP
- Теорема Байеса на практике100 XP
- Центральная предельная теорема50 XP
- Выборки из бросков кубика100 XP
- Симуляция центральной предельной теоремы100 XP
- Распределения вероятностей50 XP
- Распределение Бернулли100 XP
- Биномиальное распределение100 XP
- Нормальное распределение100 XP
2
Разведочный анализ данных
В этой главе вы подготовитесь к статистическим вопросам, связанным с разведочным анализом данных. Темы включают описательную статистику, работу с категориальными переменными и анализ взаимосвязей между переменными. Упражнения помогут вам подготовиться к аналитическим заданиям и практическим вопросам по статистике.
3
Статистические эксперименты и проверка значимости
Погрузитесь глубже в ключевые концепции экспериментов и тестирования: доверительные интервалы, проверка гипотез, множественное тестирование, а также роль мощности критерия и объёма выборки. Мы также рассмотрим типы ошибок и их практическое значение.
4
Регрессия и классификация
В завершающей главе мы рассмотрим концепции, тесно связанные с моделями регрессии и классификации. Глава начинается с обзора базовых алгоритмов машинного обучения и последовательно переходит к оценке моделей, работе с особыми случаями и компромиссу смещения и дисперсии.
Практика статистических вопросов для собеседований на Python
Курс
завершён
