مطالب پیشنهادی از سراسر وب

ساخت خلاصه های آماری با R

دسته بندی ها: آموزش R ، آموزش های پلورال سایت (Pluralsight)

ابزارهای یادگیری ماشین - الگوریتم ها، تکنیک های راهکار و حتی معماری شبکه های عصبی، در حال تبدیل شدن به کالا شدن هستند. این روزها همه از ابزارهای یکسانی استفاده می کنند، بنابراین شما باید از میزان انطباق این ابزارها با داده های خود مطمئن شوید. امروزه، بیش از هر زمان دیگر، مهم است که شما واقعاً داده های خود را به خوبی بشناسید.
شما در این دوره، توانایی استفاده از قدرت کامل آمار استنباطی را به دست خواهید آورد که واقعاً به صورت غنی در R پشتیبانی می شوند.
ابتدا یاد خواهید گرفت که چگونه تست فرضیه را انجام دهید، که پایه و اساس آمار استنباطی است و به ثابت کردن فرضیه های تست درباره داده ها کمک می کند. سپس، خواهید فهمید که چگونه t-test کلاسیک می تواند در سناریوهای متداول پیرامون برآورد استفاده شود. همچنین درمورد تست های مرتبط مانند Z-test، تست Chi-squared پیرسون، تست Levene و Welch’s t برای مقابله با جمعیت هایی که دارای اختلافات نابرابر هستند، یاد خواهید گرفت.
در پایان، با استفاده از ANOVA، یک تکنیک آماری قدرتمند که برای اندازه گیری خصوصیات آماری در میان دسته های مختلف داده استفاده می شود، دانش خود را تکمیل می کنید. در طول راه، چندین گزینه ANOVA را بررسی خواهید کرد، از جمله یک طرفه، دو طرفه، Kruskal-Wallis و Welch’s ANOVA.
شما با استفاده از رگرسیون و طبقه بندی خطی مدل های پیش بینی را خواهید ساخت و در پایان، تست A / B را درک خواهید کرد و هر دو روش متداول و بیزی را برای اجرای این روش فوق العاده قدرتمند پیاده سازی می کنید.
پس از پایان این دوره، مهارت و دانش لازم برای استفاده از تکنیک های قدرتمند تست فرضیه، از جمله t-tests، تست های ANOVA و تست A / B Bayesian به منظور اندازه گیری قدرت روابط آماری در داده های خود را خواهید داشت.

بررسی دوره

فایل های تمرین exercise file.zip
آیا این نوشته را دوست داشتید؟
Pluralsight Building Statistical Summaries with R Author:Janani Ravi Duration:3:03:15 Level:Advanced

The tools of machine learning - algorithms, solution techniques, and even neural network architectures, are becoming commoditized. Everyone is using the same tools these days, so your edge needs to come from how well you adapt those tools to your data. Today, more than ever, it is important that you really know your data well.
In this course, Building Statistical Summaries with R, you will gain the ability to harness the full power of inferential statistics, which are truly richly supported in R.
First, you will learn how hypothesis testing, which is the foundation of inferential statistics, helps posit and test assumptions about data. Next, you will discover how the classic t-test can be used in a variety of common scenarios around estimating means. You will also learn about related tests such as the Z-test, the Pearson’s Chi-squared test, Levene’s test and Welch’s t-test for dealing with populations that have unequal variances.
Finally, you will round out your knowledge by using ANOVA, a powerful statistical technique used to measure statistical properties across different categories of data. Along the way, you will explore several variants of ANOVA, including one-way, two-way, Kruskal-Wallis, and Welch’s ANOVA.
You will build predictive models using linear regression and classification and finally, you will understand A/B testing, and implement both the frequentist and the Bayesian approaches to implement this incredibly powerful technique.
When you’re finished with this course, you will have the skills and knowledge to use powerful techniques from hypothesis testing, including t-tests, ANOVA and Bayesian A/B testing in order to measure the strength of statistical relationships within your data.

پیشنهاد آموزش مرتبط در فرادرس