ข้ามไปยังเนื้อหาหลัก

คอร์สฟรี

Introduction to Linear Modeling in Python

ขั้นกลาง4 ชม.

สำรวจแนวคิดและการใช้งานของโมเดลเชิงเส้นด้วย Python และสร้างโมเดลเพื่ออธิบาย ทำนาย และดึงอินไซต์จากรูปแบบข้อมูล

Python4 ชม.หนังสือรับรองความสำเร็จ

สร้างบัญชีฟรีของคุณ

ดำเนินการต่อด้วย Google
หรือ
เมื่อดำเนินการต่อ ถือว่าคุณยอมรับ ข้อกำหนดการใช้งานและ นโยบายความเป็นส่วนตัว และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บในสหรัฐอเมริกา

ได้รับความไว้วางใจจากผู้เรียนในบริษัทหลายพันแห่ง

กำลังฝึกอบรมทีมอยู่ใช่ไหม?

ทดลองใช้สำหรับองค์กร →

รายละเอียดคอร์ส

เป้าหมายหลักของนักวิทยาศาสตร์คือการค้นหารูปแบบในข้อมูลและสร้างโมเดลเพื่ออธิบาย คาดการณ์ และดึงข้อมูลเชิงลึกจากรูปแบบเหล่านั้น รูปแบบพื้นฐานที่สุดคือความสัมพันธ์เชิงเส้นระหว่างสองตัวแปร คอร์สนี้แนะนำการสำรวจ การวัดเชิงปริมาณ และการสร้างโมเดลความสัมพันธ์เชิงเส้นในข้อมูล โดยครอบคลุมเทคนิคต่าง ๆ เช่น least-squares, linear regression, การประมาณค่า และ bootstrap resampling จะได้ใช้เครื่องมือสร้างโมเดลที่ทรงพลังในระบบนิเวศ Python data science อย่าง scipy, statsmodels และ scikit-learn เพื่อสร้างและประเมิน linear model คอร์สนี้เหมาะทั้งสำหรับผู้ที่ต้องการเริ่มต้นสร้างโมเดลในเชิงปฏิบัติ และเป็นรากฐานสำหรับการเรียนรู้เทคนิคและเครื่องมือสร้างโมเดลขั้นสูงด้านสถิติและ machine learning

ข้อกำหนดเบื้องต้น

หลักสูตร

โครงร่างคอร์ส

1

การสำรวจแนวโน้มเชิงเส้น

เริ่มต้นด้วยการสำรวจความสัมพันธ์เชิงเส้น พร้อมตัวอย่างที่ชวนให้เห็นการนำ linear model ไปใช้งานจริง และการแสดงภาพข้อมูลด้วย matplotlib จากนั้นใช้สถิติเชิงพรรณนาเพื่อวัดรูปร่างของข้อมูล และใช้ค่าสหสัมพันธ์เพื่อวัดความแข็งแกร่งของความสัมพันธ์เชิงเส้นระหว่างสองตัวแปร
เริ่มบท
2

การสร้าง Linear Model

บทนี้เจาะลึกองค์ประกอบของการสร้าง linear model โดยอาศัยแนวคิด Taylor Series เพื่อทำความเข้าใจพารามิเตอร์ slope และ intercept ว่าทั้งสองกำหนดโมเดลอย่างไร และการตีความในบริบทการใช้งานต่าง ๆ จากนั้นใช้โมดูล Python หลายตัวเพื่อหาโมเดลที่พอดีกับข้อมูลมากที่สุด ด้วยการคำนวณค่าที่เหมาะสมที่สุดของ slope และ intercept ผ่าน least-squares, numpy, statsmodels และ scikit-learn
เริ่มบท
3

การทำนายด้วยโมเดล

4

การประมาณค่าพารามิเตอร์ของโมเดล

บทสุดท้ายแนะนำแนวคิดสถิติอนุมาน และอธิบายว่า maximum likelihood estimation และ bootstrap resampling นำมาใช้ประมาณค่าพารามิเตอร์ของ linear model ได้อย่างไร จากนั้นนำวิธีการเหล่านี้มาใช้เพื่อระบุความน่าจะเป็นเกี่ยวกับความเชื่อมั่นในพารามิเตอร์ของโมเดล
เริ่มบท

Introduction to Linear Modeling in Python

เรียนคอร์สจบแล้ว

รับใบรับรองความสำเร็จ

ลงทะเบียนเลย

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

เรียนรู้ได้ทุกที่ด้วยคอร์สบนมือถือและโจทย์เขียนโค้ด 5 นาทีประจำวัน