Last chance: 50% off unlimited learning
Sale ends in
Kurs Açıklaması
Verileri toplamak ve üzerinde çalışabileceğin bir forma getirmek için harcadığın onca emeğin ardından, nihayetinde onlardan net ve özlü sonuçlar çıkarmak istersin. Bir veri analizi hattının bu kritik son adımı, istatistiksel çıkarım ilkelerine dayanır. Bu kursta, istatistiksel düşünmek için ihtiyaç duyduğun temeli oluşturmaya başlayacak, verinin dilini konuşacak ve verinin sana ne anlattığını kavrayacaksın. İstatistiksel düşünmenin temelleri on yıllarda inşa edildi, ancak bugün bilgisayarların yardımıyla çok daha hızlı kavranabiliyor. Python tabanlı araçların gücüyle, hızla konuya hâkim olacak ve kursun sonunda istatistiksel düşünmeye başlayacaksın.
Ön Koşullar
Müfredat
Kurs planı
1
Grafiksel Keşifsel Veri Analizi
Gelişmiş istatistiksel çıkarım tekniklerine dalmadan önce, verilerini görselleştirerek ve basit özet istatistikler hesaplayarak keşfetmelisin. Keşifsel veri analizi denen bu süreç, verilerin istatistiksel analizinde kritik bir ilk adımdır.
- Keşifçi Veri Analizine Giriş50 XP
- İstatistiksel çıkarımın amacı nedir?50 XP
- Grafiksel EDA'nın avantajları50 XP
- Histogram çizmek50 XP
- İris verilerinin histogramını çizme100 XP
- Eksen etiketleri!100 XP
- Histogramdaki bölme (bin) sayısını ayarlama100 XP
- Verilerinin tamamını görselleştir: Arı sürüsü (bee swarm) grafikleri50 XP
- Arı sürüsü grafiği100 XP
- Arı sürüsü grafiğini yorumlama50 XP
- Tüm verilerini görselleştir: ECDF’ler50 XP
- ECDF'yi Hesaplama100 XP
- ECDF'yi çizmek100 XP
- ECDF’lerin Karşılaştırılması100 XP
- Hadi, tüm hikâyeye doğru!50 XP
2
Nicel Keşifsel Veri Analizi
Bu bölümde, bir veri kümesinin belirgin özelliklerini az sayıda sayıyla özlü biçimde betimleyen yararlı özet istatistikleri hesaplayacaksın.
3
Olasılıksal Düşünme — Ayrık Değişkenler
İstatistiksel çıkarım, olasılığa dayanır. Verilerden neredeyse hiçbir zaman mutlak kesinlikle anlamlı bir şey söyleyemediğimiz için, veriler hakkında nicel ifadeler kurmak amacıyla olasılıksal dili kullanırız. Bu bölümde, yalnızca belirli değerler alabilen, tamsayılar gibi ayrık nicelikler hakkında olasılıksal düşünmeyi öğreneceksin.
4
Olasılıksal Düşünme — Sürekli Değişkenler
Sıra, herhangi bir kesirli değer alabilen sürekli değişkenlere geldi. İlkelerin çoğu aynı olsa da bazı incelikler var. Bu son bölümün sonunda, bu kursun devamında ele alınan çıkarım tekniklerine başlamak için gereken olasılıksal dili konuşuyor olacaksın.
Python ile İstatistiksel Düşünme (Bölüm 1)
Kurs
Tamamlandı
