Build your ultimate AI agent
Mô tả khóa học
Sau tất cả công sức thu thập dữ liệu và xử lý chúng về dạng có thể làm việc, mục tiêu cuối cùng là rút ra kết luận rõ ràng, súc tích. Bước cuối cùng quan trọng này trong quy trình phân tích dữ liệu dựa trên các nguyên tắc của suy luận thống kê. Trong khóa học này, bạn sẽ bắt đầu xây dựng nền tảng cần thiết để tư duy theo hướng thống kê, “nói” ngôn ngữ của dữ liệu và hiểu điều dữ liệu đang truyền đạt. Nền tảng của tư duy thống kê mất hàng thập kỷ để hình thành, nhưng ngày nay có thể nắm bắt nhanh hơn nhiều nhờ máy tính. Với sức mạnh của các công cụ dựa trên Python, bạn sẽ nhanh chóng bắt nhịp và bắt đầu tư duy thống kê ngay trong cuối khóa học này.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Phân tích Khám phá Dữ liệu bằng trực quan
Trước khi đi sâu vào các kỹ thuật suy luận thống kê phức tạp, bạn nên khám phá dữ liệu của mình bằng cách trực quan hóa và tính các thống kê tóm tắt đơn giản. Quy trình này, gọi là phân tích khám phá dữ liệu (exploratory data analysis), là bước khởi đầu then chốt trong phân tích thống kê.
- Giới thiệu về Phân tích Khám phá Dữ liệu50 XP
- Mục tiêu của suy luận thống kê là gì?50 XP
- Ưu điểm của EDA dạng đồ họa50 XP
- Vẽ biểu đồ histogram50 XP
- Vẽ biểu đồ tần suất cho dữ liệu iris100 XP
- Gán nhãn trục!100 XP
- Điều chỉnh số lượng bins trong biểu đồ histogram100 XP
- Vẽ toàn bộ dữ liệu của bạn: Biểu đồ đàn ong (bee swarm)50 XP
- Biểu đồ bee swarm100 XP
- Diễn giải biểu đồ bee swarm50 XP
- Vẽ toàn bộ dữ liệu của bạn: ECDFs50 XP
- Tính ECDF100 XP
- Vẽ ECDF100 XP
- So sánh các ECDF100 XP
- Tiến tới bức tranh toàn cảnh!50 XP
2
Phân tích Khám phá Dữ liệu định lượng
Trong chương này, bạn sẽ tính các thống kê tóm tắt hữu ích, giúp mô tả ngắn gọn những đặc trưng nổi bật của một bộ dữ liệu chỉ bằng vài con số.
3
Tư duy theo xác suất — Biến rời rạc
Suy luận thống kê dựa trên xác suất. Vì chúng ta hiếm khi có thể khẳng định điều gì đó với độ chắc chắn tuyệt đối từ dữ liệu, nên ta dùng ngôn ngữ xác suất để đưa ra các phát biểu định lượng về dữ liệu. Trong chương này, bạn sẽ học cách tư duy theo xác suất với các đại lượng rời rạc: những đại lượng chỉ có thể nhận một số giá trị nhất định, như số nguyên.
4
Tư duy theo xác suất — Biến liên tục
Đã đến lúc chuyển sang các biến liên tục, chẳng hạn các biến có thể nhận bất kỳ giá trị phân số nào. Nhiều nguyên tắc vẫn giống nhau, nhưng có một vài điểm tinh tế cần lưu ý. Khi kết thúc chương cuối này, bạn sẽ nắm được ngôn ngữ xác suất cần thiết để bắt đầu các kỹ thuật suy luận được đề cập trong phần tiếp theo của khóa học.
Tư duy Thống kê với Python (Phần 1)
Hoàn
thành khóa học
