После прохождения этих курсов я уверенно создаю профессиональные визуализации и дашборды.
Shoebur RahmanСпециалист по закупкам, Giz Bangladesh
Описание курса
После всей трудоёмкой работы по сбору данных и их подготовке вы в конечном счёте хотите сделать чёткие и лаконичные выводы. Этот ключевой завершающий шаг анализа данных основывается на принципах статистического вывода. В этом курсе вы начнёте формировать фундамент статистического мышления, научитесь «говорить на языке данных» и понимать, что они вам сообщают. Основы статистического мышления складывались десятилетиями, однако сегодня с помощью компьютеров их можно освоить гораздо быстрее. Используя инструменты на основе Python, вы быстро войдёте в курс дела и к концу курса начнёте мыслить статистически.
Предварительные требования
Программа
План курса
1
Графический разведочный анализ данных
Прежде чем переходить к сложным методам статистического вывода, следует сначала исследовать данные: построить графики и вычислить простые сводные статистики. Этот процесс называется разведочным анализом данных и является обязательным первым шагом в статистическом анализе.
- Введение в разведочный анализ данных50 XP
- Какова цель статистического вывода?50 XP
- Преимущества графического EDA50 XP
- Построение гистограммы50 XP
- Построение гистограммы данных об ирисах100 XP
- Подписи осей!100 XP
- Настройка количества столбцов гистограммы100 XP
- Отображение всех данных: диаграммы «пчелиный рой»50 XP
- График «рой пчёл»100 XP
- Интерпретация графика «роя пчёл»50 XP
- Отображайте все данные: эмпирические функции распределения (ECDF)50 XP
- Вычисление ECDF100 XP
- Построение ECDF100 XP
- Сравнение ECDF100 XP
- Вперёд — к полной картине!50 XP
2
Количественный разведочный анализ данных
В этой главе вы вычислите полезные сводные статистики, которые позволяют кратко описать ключевые характеристики набора данных с помощью нескольких чисел.
3
Вероятностное мышление — дискретные переменные
Статистический вывод опирается на теорию вероятностей. Поскольку по данным крайне редко удаётся утверждать что-либо с абсолютной уверенностью, мы используем вероятностный язык для количественных высказываний о данных. В этой главе вы научитесь мыслить вероятностно применительно к дискретным величинам — тем, которые принимают лишь определённые значения, например целые числа.
4
Вероятностное мышление — непрерывные переменные
Настало время перейти к непрерывным переменным — тем, которые могут принимать любые дробные значения. Многие принципы здесь те же, однако есть свои тонкости. По завершении этой заключительной главы вы будете свободно владеть вероятностным языком, необходимым для изучения методов вывода, рассматриваемых в продолжении курса.
Статистическое мышление на Python (часть 1)
Курс
завершён
