After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Після копіткої роботи зі збирання даних і приведення їх у зручний для аналізу формат ви зрештою прагнете зробити з них чіткі й лаконічні висновки. Цей вирішальний завершальний етап конвеєра аналізу даних спирається на принципи статистичного висновування. На цьому курсі ви почнете закладати основу, потрібну, щоб мислити статистично, „говорити мовою" ваших даних і розуміти, що саме вони повідомляють. Підвалини статистичного мислення вибудовувалися десятиліттями, але сьогодні їх можна опанувати значно швидше завдяки комп'ютерам. Використовуючи потужність інструментів на основі Python, ви швидко наберете темп і до кінця курсу почнете мислити статистично.
Попередні вимоги
Навчальний план
Зміст курсу
1
Графічний розвідувальний аналіз даних
Перш ніж переходити до складних методів статистичного висновування, варто спершу дослідити дані: побудувати графіки та обчислити прості зведені статистики. Цей процес називається розвідувальним аналізом даних і є критично важливим першим кроком у статистичному аналізі.
- Вступ до дослідницького аналізу даних50 XP
- Яка мета статистичного висновку?50 XP
- Переваги графічної EDA50 XP
- Побудова гістограми50 XP
- Побудова гістограми для даних про іриси100 XP
- Підписи осей!100 XP
- Налаштування кількості бінів у гістограмі100 XP
- Побудуйте всі ваші дані: діаграми «вулик бджіл» (bee swarm plots)50 XP
- Bee swarm plot100 XP
- Інтерпретація діаграми «бджолиний рій»50 XP
- Побудуйте весь масив даних: ECDF50 XP
- Обчислення ECDF100 XP
- Побудова ECDF100 XP
- Порівняння ECDF100 XP
- Рушаймо до повної картини!50 XP
2
Кількісний розвідувальний аналіз даних
У цьому розділі ви обчислите корисні зведені статистики, які стисло описують ключові риси набору даних кількома числами.
3
Ймовірнісне мислення — дискретні змінні
Статистичне висновування ґрунтується на ймовірності. Оскільки з даних ми дуже рідко можемо сказати щось із абсолютною певністю, ми використовуємо ймовірнісну мову, щоб робити кількісні твердження про дані. У цьому розділі ви навчитеся мислити ймовірнісно про дискретні величини: ті, що можуть набувати лише окремих значень, як-от цілі числа.
4
Ймовірнісне мислення — неперервні змінні
Час перейти до неперервних змінних, тобто таких, що можуть набувати будь-яких дробових значень. Багато принципів залишаються тими самими, проте є деякі тонкощі. Наприкінці цього фінального розділу ви вільно користуватиметеся ймовірнісною мовою, необхідною, щоб перейти до методів висновування, розглянутих у продовженні цього курсу.
Статистичне мислення в Python (Частина 1)
Курс
завершено
