คอร์ส
Experimental Design in Python
ระดับกลางระดับทักษะ
อัปเดตแล้ว 10/2568
PythonProbability & Statistics4 ชม.14 วิดีโอ47 แบบฝึกหัด3,700 XP14,468ใบรับรองความสำเร็จ
สร้างบัญชีฟรีของคุณ
ดำเนินการต่อด้วย Googleแสดงตัวเลือกเพิ่มเติมหรือ
เมื่อดำเนินการต่อ คุณยอมรับ ข้อกำหนดการใช้งาน ของเรา นโยบายความเป็นส่วนตัว ของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บในสหรัฐอเมริกา
เป็นที่รักของผู้เรียนในบริษัทหลายพันแห่ง
กำลังฝึกอบรมทีม?
ลองใช้สำหรับธุรกิจคำอธิบายคอร์ส
Implement Experimental Design Setups
Learn how to implement the most appropriate experimental design setup for your use case. Learn about how randomized block designs and factorial designs can be implemented to measure treatment effects and draw valid and precise conclusions.Conduct Statistical Analyses on Experimental Data
Deep-dive into performing statistical analyses on experimental data, including selecting and conducting statistical tests, including t-tests, ANOVA tests, and chi-square tests of association. Conduct post-hoc analysis following ANOVA tests to discover precisely which pairwise comparisons are significantly different.Conduct Power Analysis
Learn to measure the effect size to determine the amount by which groups differ, beyond being significantly different. Conduct a power analysis using an assumed effect size to determine the minimum sample size required to obtain a required statistical power. Use Cohen's d formulation to measure the effect size for some sample data, and test whether the effect size assumptions used in the power analysis were accurate.Address Complexities in Experimental Data
Extract insights from complex experimental data and learn best practices for communicating findings to different stakeholders. Address complexities such as interactions, heteroscedasticity, and confounding in experimental data to improve the validity of your conclusions. When data doesn't meet the assumptions of parametric tests, you'll learn to choose and implement an appropriate nonparametric test.ข้อกำหนดเบื้องต้น
Hypothesis Testing in Python1
Experimental Design Preliminaries
Building knowledge in experimental design allows you to test hypotheses with best-practice analytical tools and quantify the risk of your work. You’ll begin your journey by setting the foundations of what experimental design is and different experimental design setups such as blocking and stratification. You’ll then learn and apply visual and analytical tests for normality in experimental data.
2
Experimental Design Techniques
You'll delve into sophisticated experimental design techniques, focusing on factorial designs, randomized block designs, and covariate adjustments. These methodologies are instrumental in enhancing the accuracy, efficiency, and interpretability of experimental results. Through a combination of theoretical insights and practical applications, you'll acquire the skills needed to design, implement, and analyze complex experiments in various fields of research.
3
Analyzing Experimental Data: Statistical Tests and Power
Master statistical tests like t-tests, ANOVA, and Chi-Square, and dive deep into post-hoc analyses and power analysis essentials. Learn to select the right test, interpret p-values and errors, and skillfully conduct power analysis to determine sample and effect sizes, all while leveraging Python's powerful libraries to bring your data insights to life.
4
Advanced Insights from Experimental Complexity
Hop into the complexities of experimental data analysis. Learn to synthesize insights using pandas, address data issues like heteroscedasticity with scipy.stats, and apply nonparametric tests like Mann-Whitney U. Learn additional techniques for transforming, visualizing, and interpreting complex data, enhancing your ability to conduct robust analyses in various experimental settings.
Experimental Design in Python
คอร์สเสร็จสมบูรณ์ รับใบรับรองความสำเร็จ
เพิ่มใบรับรองนี้ไปยังโปรไฟล์ LinkedIn เรซูเม่ หรือ CV ของคุณแชร์บน social media และในการรีวิวผลการปฏิบัติงานของคุณลงทะเบียนทันที
ร่วมกับผู้เรียนกว่า 19 ล้านคนและเริ่มต้น Experimental Design in Python วันนี้!
สร้างบัญชีฟรีของคุณ
ดำเนินการต่อด้วย Googleแสดงตัวเลือกเพิ่มเติมหรือ
เมื่อดำเนินการต่อ คุณยอมรับ ข้อกำหนดการใช้งาน ของเรา นโยบายความเป็นส่วนตัว ของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บในสหรัฐอเมริกา
พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile
พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา