Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-16 of 16 items.

coursera آمار استنباطی (Mitalearn-327026)

  • 5 hours 26 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Mine Çetinkaya-Rundel
درباره این دوره:

این دوره روش‌های استنتاج آماری رایج را برای داده‌های عددی و طبقه‌ای پوشش می‌دهد. شما یاد خواهید گرفت که چگونه تست های فرضیه را تنظیم و انجام دهید، مقادیر p را تفسیر کنید، و نتایج تجزیه و تحلیل خود را به گونه ای گزارش کنید که برای مشتریان یا عموم قابل تفسیر باشد. با استفاده از مثال های داده های متعدد، یاد خواهید گرفت که تخمین های کمیت ها را به گونه ای گزارش کنید که عدم قطعیت کمیت مورد علاقه را بیان کند. شما از طریق نصب و استفاده از R و RStudio (نرم افزار آماری رایگان) راهنمایی خواهید شد و از این نرم افزار برای تمرینات آزمایشگاهی و پروژه نهایی استفاده خواهید کرد. این دوره ابزارهای عملی را برای انجام تجزیه و تحلیل داده ها معرفی می کند و مفاهیم اساسی لازم برای تفسیر و گزارش نتایج را برای داده های دسته بندی و عددی بررسی می کند.

coursera آمار استنباطی و پیش بینی برای کسب و کار (Mitalearn-294709)

  • 5 hours 7 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Fataneh Taghaboni-Dutta, Ph.D., PMP, CSM, CSPO
درباره این دوره:

این دوره یک چارچوب تحلیلی برای کمک به شما در ارزیابی مشکلات کلیدی به روشی ساختاریافته ارائه می‌کند و شما را با ابزارهایی برای مدیریت بهتر عدم قطعیت‌هایی که فرآیندهای کسب‌وکار را فرا گرفته و پیچیده می‌کنند، مجهز می‌کند. برای این منظور، این دوره با بحث در مورد دو موضوع اساسی، ایده‌های آماری را پوشش می‌دهد که برای مدیران اعمال می‌شود: اول، شناخت و توصیف تغییرات موجود در هر چیزی که در اطراف ما وجود دارد، و سپس مدل‌سازی و تصمیم‌گیری در حضور این تغییرات. مفاهیم اساسی مورد مطالعه در این دوره در بسیاری از کلاس ها و محیط های تجاری دیگر دوباره ظاهر می شوند. تمرکز ما بر تفسیر معنای نتایج در یک محیط تجاری و مدیریتی خواهد بود. در حالی که شما با برخی از علوم آنچه تدریس می شود آشنا خواهید شد، تمرکز بر روی استفاده از روش ها خواهد بود. این امر از طریق استفاده از اکسل و استفاده از مجموعه داده ها از رشته های مختلف انجام می شود و به شما امکان می دهد استفاده از آمار را در تنظیمات بسیار متنوع مشاهده کنید. این دوره نه تنها بر توضیح این مفاهیم بلکه درک معنای نتایج به دست آمده نیز تمرکز خواهد داشت. شما قادر خواهید بود: • باورهای مربوط به یک جمعیت را آزمایش کنید • تفاوت بین جمعیت ها را مقایسه کنید • از مدل رگرسیون خطی برای پیش بینی استفاده کنید • برای تجزیه و تحلیل آماری از Excel استفاده کنید این دوره بخشی از مجموعه برنامه های آنلاین کالج تجارت Gies، از جمله iMBA و iMSM است. درباره پذیرش در این برنامه‌ها بیشتر بیاموزید و بررسی کنید که چگونه می‌توان در صورت پذیرش در یک برنامه تحصیلی در https://degrees.giesbusiness.illinois.edu/idegrees/ از کار Coursera شما استفاده کرد.

coursera آمار پایه (Mitalearn-326856)

  • 5 hours 45 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Matthijs Rooduijn,Emiel van Loon
درباره این دوره:

درک آمار برای درک تحقیق در علوم اجتماعی و رفتاری ضروری است. در این دوره با اصول آمار آشنا می شوید. نه فقط نحوه محاسبه آنها، بلکه نحوه ارزیابی آنها. این دوره همچنین شما را برای دوره بعدی در تخصص - دوره آمار استنباطی - آماده می کند. در بخش اول دوره به روش های آمار توصیفی می پردازیم. شما یاد خواهید گرفت که موارد و متغیرها چیست و چگونه می توانید معیارهای گرایش مرکزی (میانگین، میانه و حالت) و پراکندگی (انحراف استاندارد و واریانس) را محاسبه کنید. در ادامه، نحوه ارزیابی روابط بین متغیرها را مورد بحث قرار می دهیم و مفاهیم همبستگی و رگرسیون را معرفی می کنیم. بخش دوم این دوره به مبانی احتمال مربوط می شود: محاسبه احتمالات، توزیع های احتمال و توزیع های نمونه. برای درک نحوه عملکرد آمار استنباطی باید در مورد این موارد بدانید. بخش سوم دوره شامل مقدمه‌ای بر روش‌های آمار استنباطی است - روش‌هایی که به ما کمک می‌کنند تصمیم بگیریم آیا الگوهایی که در داده‌هایمان می‌بینیم به اندازه کافی قوی هستند تا در مورد جمعیت زیربنایی مورد علاقه ما نتیجه‌گیری کنیم. ما در مورد فواصل اطمینان و آزمون های اهمیت شما نه تنها در مورد تمام این مفاهیم آماری یاد خواهید گرفت، بلکه آموزش می بینید که خودتان با استفاده از نرم افزارهای آماری در دسترس، این آمار را محاسبه و تولید کنید.

coursera ابزارهای تجزیه و تحلیل داده ها (Mitalearn-335645)

  • 3 hours 14 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Jen Rose,Lisa Dierker
درباره این دوره:

در این دوره، فرضیه هایی در مورد داده های خود ایجاد و آزمایش خواهید کرد. شما انواع تست های آماری و همچنین استراتژی هایی را یاد خواهید گرفت تا بدانید که چگونه می توانید آزمون مناسب را برای داده ها و سؤالات خاص خود اعمال کنید. با استفاده از دو بسته نرم افزاری آماری قدرتمند (SAS یا Python) که انتخاب کرده اید، تجزیه و تحلیل همبستگی ANOVA، Chi-Square و Pearson را بررسی خواهید کرد. این دوره شما را از طریق اصول اولیه آماری راهنمایی می کند تا ابزارهایی برای پاسخ به سوالاتی که ایجاد کرده اید در اختیار شما قرار دهد. در طول دوره، پیشرفت خود را با دیگران به اشتراک می گذارید تا بازخورد ارزشمندی کسب کنید و بینش دیگری را در مورد کارشان به یادگیرندگان ارائه دهید.

coursera احتمال و آمار برای یادگیری ماشین و علم داده (Mitalearn-303872)

  • 8 hours 24 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Luis Serrano
درباره این دوره:

به تازگی برای سال 2024 به روز شده است! Mathematics for Machine Learning and Data Science یک برنامه آنلاین پایه است که توسط DeepLearning.AI ایجاد شده و توسط Luis Serrano تدریس می شود. در یادگیری ماشینی، شما مفاهیم ریاضی را از طریق برنامه نویسی به کار می برید. و بنابراین، در این تخصص، مفاهیم ریاضی را که با استفاده از برنامه نویسی پایتون یاد می گیرید، در تمرینات آزمایشگاهی عملی به کار خواهید برد. به عنوان یک زبان آموز در این برنامه، برای موفقیت به مهارت های برنامه نویسی پایتون اولیه تا متوسط ​​نیاز دارید. پس از اتمام این دوره، شما قادر خواهید بود: • با استفاده از مفاهیم احتمال، متغیرهای تصادفی، و توزیع احتمال، عدم قطعیت ذاتی در پیش‌بینی‌های مدل‌های یادگیری ماشین را توصیف و کمی کنید. • درک بصری و شهودی خواص توزیع‌های احتمال رایج در یادگیری ماشین و علم داده مانند توزیع‌های برنولی، دوجمله‌ای و گاوسی • روش‌های آماری رایج مانند برآورد حداکثر احتمال (MLE) و حداکثر تخمین پیشینی (MAP) را برای مشکلات یادگیری ماشین اعمال کنید. • ارزیابی عملکرد مدل های یادگیری ماشین با استفاده از تخمین های بازه ای و حاشیه خطاها • استفاده از مفاهیم آزمون فرضیه های آماری در آزمون های رایج در علم داده مانند آزمون AB • تجزیه و تحلیل داده های اکتشافی را روی یک مجموعه داده برای یافتن، اعتبارسنجی و کمی کردن الگوها انجام دهید. بسیاری از مهندسان یادگیری ماشین و دانشمندان داده در زمینه ریاضیات به کمک نیاز دارند، و حتی تمرین‌کنندگان با تجربه نیز می‌توانند از کمبود مهارت‌های ریاضی عقب‌مانده شوند. این تخصص از آموزش نوآورانه در ریاضیات استفاده می‌کند تا به شما کمک کند تا سریع و شهودی یاد بگیرید، با دوره‌هایی که از تجسم‌های ساده برای پیگیری استفاده می‌کنند تا به شما کمک کنند تا ببینید که چگونه ریاضیات پشت یادگیری ماشین واقعاً کار می‌کند.  ما به شما توصیه می کنیم سطح ریاضی دبیرستان (توابع، جبر پایه) و آشنایی با برنامه نویسی (ساختارهای داده، حلقه ها، توابع، دستورات شرطی، اشکال زدایی) داشته باشید. تکالیف و آزمایشگاه‌ها در پایتون نوشته شده‌اند، اما این دوره تمام کتابخانه‌های یادگیری ماشینی را که استفاده می‌کنید معرفی می‌کند.

coursera استنتاج آماری (Mitalearn-335407)

  • 5 hours 9 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Brian Caffo, PhD,Roger D. Peng, PhD,Jeff Leek, PhD
درباره این دوره:

استنتاج آماری فرآیند نتیجه گیری در مورد جمعیت ها یا حقایق علمی از داده ها است. روش‌های زیادی برای انجام استنتاج وجود دارد که از جمله آن‌ها می‌توان به مدل‌سازی آماری، استراتژی‌های داده‌محور و استفاده صریح از طرح‌ها و تصادفی‌سازی در تحلیل‌ها اشاره کرد. علاوه بر این، تئوری‌های گسترده‌ای (تکرارگرا، بیزی، احتمال، مبتنی بر طراحی، ...) و پیچیدگی‌های متعدد (داده‌های از دست رفته، آشفتگی مشاهده شده و مشاهده نشده، سوگیری‌ها) برای انجام استنتاج وجود دارد. یک تمرین‌کننده اغلب می‌تواند در پیچ و خم ناتوان‌کننده‌ای از تکنیک‌ها، فلسفه‌ها و نکات ظریف رها شود. این دوره اصول استنتاج را در یک رویکرد عملی برای انجام کارها ارائه می دهد. پس از گذراندن این دوره، دانشجویان جهات گسترده استنتاج آماری را درک کرده و از این اطلاعات برای انتخاب آگاهانه در تجزیه و تحلیل داده ها استفاده می کنند.

coursera بوت کمپ آمار زیستی ریاضی 2 (Mitalearn-335509)

  • 7 hours 26 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Brian Caffo, PhD
درباره این دوره:

مفاهیم اساسی در تجزیه و تحلیل داده ها و استنتاج آماری را با تمرکز بر یک و دو نمونه مستقل بیاموزید.

coursera پایتون برای علم داده (Mitalearn-327145)

  • 10 hours 27 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Fractal Analytics Academy
درباره این دوره:

استاد پایتون برای علم داده با پروژه های عملی. پانداها، آمار و تجسم را برای حل مشکلات تجارت در دنیای واقعی بیاموزید. ایجاد مهارت‌های آماده برای کار در بحث و گفتگوی داده‌ها، تجزیه و تحلیل داده‌های اکتشافی (EDA) و ترسیم نمودار با matplotlib/seaborn—بدون نیاز به تجربه قبلی. این دوره آموزشی مبتدی شما را از طریق پاکسازی داده های نامرتب، استفاده از آمار توصیفی و استنباطی و تهیه مجموعه داده ها برای یادگیری ماشین راهنمایی می کند. شما تجزیه و تحلیل هایی را طراحی خواهید کرد که به سؤالات تجاری پاسخ می دهند، بینش ها را با تصاویر متقاعد کننده ارتباط برقرار می کنند و ارزیابی های چالش برانگیز را کامل می کنند که با سناریوهای محل کار هماهنگ هستند. در پایان، با اطمینان داده‌ها را در پانداها دستکاری می‌کنید، گردش کار را خودکار می‌کنید و داشبوردهایی می‌سازید که ذینفعان آن را درک کنند. سفر مبتنی بر داده خود را شروع کنید و داده های خام را به تصمیم گیری تبدیل کنید.

coursera تجزیه و تحلیل آماری استنباطی با پایتون (Mitalearn-332721)

  • 5 hours 4 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Brenda Gunderson,Brady T. West,Kerby Shedden
درباره این دوره:

در این دوره، ما اصول اولیه استفاده از داده ها برای تخمین و ارزیابی نظریه ها را بررسی خواهیم کرد. ما هم داده های طبقه بندی شده و هم داده های کمی را تجزیه و تحلیل خواهیم کرد، از تکنیک های یک جمعیت شروع می کنیم و برای مقایسه دو جمعیت گسترش می دهیم. ما یاد خواهیم گرفت که چگونه فواصل اطمینان ایجاد کنیم. ما همچنین از داده های نمونه برای ارزیابی اینکه آیا یک نظریه در مورد مقدار یک پارامتر با داده ها مطابقت دارد یا خیر استفاده خواهیم کرد. تمرکز اصلی بر تفسیر مناسب نتایج استنباطی خواهد بود. در پایان هر هفته، فراگیران آموخته های خود را با استفاده از پایتون در محیط دوره به کار می گیرند. در طول این جلسات مبتنی بر آزمایشگاه، فراگیران از طریق آموزش هایی با تمرکز بر مطالعات موردی خاص برای کمک به تقویت مفاهیم آماری هفته، که شامل غواصی عمیق بیشتر در کتابخانه های پایتون از جمله Statsmodels، Pandas و Seaborn است، کار خواهند کرد. این دوره از محیط نوت بوک Jupyter در Coursera استفاده می کند.

coursera تجزیه و تحلیل داده های اکتشافی برای یادگیری ماشینی (Mitalearn-270280)

  • 4 hours 52 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Joseph Santarcangelo,Svitlana (Lana) Kramar
درباره این دوره:

این اولین دوره در گواهینامه حرفه ای یادگیری ماشین آی بی ام شما را با یادگیری ماشین و محتوای گواهینامه حرفه ای آشنا می کند. در این دوره به اهمیت داده های خوب و با کیفیت پی خواهید برد. شما تکنیک های متداول برای بازیابی داده های خود، پاکسازی آن ها، اعمال مهندسی ویژگی ها و آماده سازی آن ها برای تجزیه و تحلیل اولیه و آزمایش فرضیه را خواهید آموخت. در پایان این دوره شما باید بتوانید: بازیابی داده ها از چندین منبع داده: SQL، پایگاه داده NoSQL، API ها، Cloud  توصیف و استفاده از تکنیک های رایج انتخاب ویژگی و مهندسی ویژگی ویژگی های دسته بندی و ترتیبی و همچنین مقادیر از دست رفته را کنترل کنید از تکنیک های مختلفی برای تشخیص و مقابله با موارد پرت استفاده کنید توضیح دهید که چرا مقیاس بندی ویژگی مهم است و از انواع تکنیک های مقیاس بندی استفاده کنید   چه کسانی باید این دوره را بگذرانند؟ این دوره، دانشمندان مشتاق داده را که علاقه مند به کسب تجربه عملی با یادگیری ماشین و هوش مصنوعی در یک محیط تجاری هستند، هدف قرار می دهد.   چه مهارت هایی باید داشته باشید؟ برای استفاده حداکثری از این دوره، باید با برنامه نویسی در محیط توسعه پایتون و همچنین درک اساسی حساب دیفرانسیل و انتگرال، جبر خطی، احتمالات و آمار آشنا باشید.

coursera تست فرضیه با پایتون و اکسل (Mitalearn-334285)

  • 24 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Gerald S. Brown,Kishore K. Pochampally
درباره این دوره:

در بازار کار امروزی، رهبران برای رقابتی بودن نیاز به درک اصول اساسی داده ها دارند. یک روش ضروری برای درک تجارت و تجزیه و تحلیل، آزمون فرضیه است. این دوره کوتاه که توسط اساتید متخصص دانشگاه تافتز طراحی شده است، مبانی آزمون فرضیه میانگین جمعیت و نسبت جمعیت را با استفاده از Excel و Python برای محاسبات آموزش می دهد. شما همچنین قضیه حد مرکزی را که برای آزمایش فرضیه ضروری است، کشف خواهید کرد. برای به پایان رساندن دوره، با ایجاد طرحی برای آزمایشی در محل کار خود که از آزمون فرضیه استفاده می کند، مهارت های جدید خود را به کار خواهید گرفت.

coursera درک تحقیقات بالینی: پشت آمار (Mitalearn-337073)

  • 6 hours 1 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Juan H Klopper
درباره این دوره:

اگر تا به حال از بخش نتایج یک مقاله پزشکی چشم پوشی کرده اید، زیرا عباراتی مانند "فاصله اطمینان" یا "p-value" بیش از حد ذهن شما را فرا می گیرد، پس در جای درستی هستید. ممکن است شما یک پزشک بالینی باشید که مقالات تحقیقاتی را برای به روز نگه داشتن پیشرفت‌های رشته خود می‌خواند یا دانشجوی پزشکی هستید که به این فکر می‌کنید که چگونه به تحقیقات خود نزدیک شوید. اطمینان بیشتر در درک تجزیه و تحلیل آماری و نتایج می تواند هم برای متخصصان شاغل و هم برای کسانی که خودشان تحقیق می کنند مفید باشد. اگر شما صرفاً علاقه مند به درک صحیح ادبیات منتشر شده هستید یا اگر در حال انجام تحقیقات خود هستید، این دوره اولین قدم شما است. این یک ورود آسان به تفسیر مفاهیم آماری رایج بدون وارد شدن به فرمول های ریاضی ریز و درشت ارائه می دهد. اینکه بتوانید این مفاهیم را تفسیر و درک کنید، بهترین راه برای شروع سفر شما به دنیای ادبیات بالینی است. این جایی است که این دوره وارد می شود - پس بیایید شروع کنیم! ثبت نام و شرکت در دوره رایگان است. در صورتی که شرایط دوره را با موفقیت انجام دهید، به شما این امکان را می دهد که گواهی پایان دوره را خریداری کنید که واجد شرایط دریافت آن هستید. این می تواند یک راه عالی برای حفظ انگیزه باشد! کمک مالی نیز موجود است.

coursera شانس چیست؟ احتمال و عدم قطعیت در آمار (Mitalearn-361621)

  • 1 hours 37 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Jennifer Bachner, PhD
درباره این دوره:

این دوره بر این تمرکز دارد که چگونه تحلیلگران می توانند اعتمادی را که به یافته های خود دارند اندازه گیری و توصیف کنند. این دوره با مروری بر قوانین و مفاهیم کلیدی احتمال که بر محاسبه معیارهای عدم قطعیت حاکم است، آغاز می شود. سپس این ایده‌ها را برای متغیرها (که بلوک‌های سازنده آمار هستند) و توزیع‌های احتمال مرتبط با آن‌ها اعمال می‌کنیم. نیمه دوم دوره به محاسبات و تفسیر عدم قطعیت می پردازد. ما در مورد چگونگی انجام آزمون فرضیه با استفاده از آمار آزمون و فواصل اطمینان بحث خواهیم کرد. در نهایت، نقش آزمون فرضیه را در زمینه رگرسیون، از جمله آنچه که می‌توانیم و نمی‌توانیم از اهمیت آماری یک ضریب یاد بگیریم، در نظر خواهیم گرفت. در پایان دوره، شما باید بتوانید یافته های آماری را به صورت احتمالی مورد بحث قرار دهید و عدم قطعیت یک تخمین خاص را تفسیر کنید.

coursera قدرت آمار (Mitalearn-335985)

  • 5 hours 4 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Google Career Certificates
درباره این دوره:

این چهارمین دوره از هفت دوره در گواهی تحلیل داده های پیشرفته گوگل است. در این دوره، خواهید فهمید که چگونه متخصصان داده از آمار برای تجزیه و تحلیل داده ها و به دست آوردن بینش های مهم استفاده می کنند. شما مفاهیم کلیدی مانند آمار توصیفی و استنباطی، احتمال، نمونه گیری، فواصل اطمینان و آزمون فرضیه را بررسی خواهید کرد. همچنین یاد خواهید گرفت که چگونه از پایتون برای تجزیه و تحلیل آماری استفاده کنید و مانند یک متخصص داده، یافته های خود را به اشتراک بگذارید. کارمندان Google که در حال حاضر در این زمینه کار می‌کنند، با ارائه فعالیت‌های عملی که وظایف مرتبط را شبیه‌سازی می‌کنند، به اشتراک گذاشتن نمونه‌هایی از کارهای روزانه‌شان، و کمک به شما در تقویت مهارت‌های تجزیه و تحلیل داده‌ها برای آماده شدن برای حرفه‌تان، شما را در این دوره راهنمایی می‌کنند. فراگیرانی که هفت دوره در این برنامه را تکمیل می کنند، مهارت های مورد نیاز برای درخواست برای مشاغل علوم داده و تجزیه و تحلیل داده های پیشرفته را خواهند داشت. این گواهی مستلزم آگاهی قبلی از اصول، مهارت‌ها و ابزارهای تحلیلی پایه است که در گواهی تجزیه و تحلیل داده‌های Google پوشش داده شده است. در پایان این دوره، شما: -کاربرد آمار در علم داده را شرح دهید -از آمار توصیفی برای خلاصه کردن و کشف داده ها استفاده کنید محاسبه احتمال با استفاده از قوانین اساسی داده های مدل با توزیع احتمال -کاربرد روش های مختلف نمونه گیری را شرح دهید -محاسبه توزیع های نمونه -فواصل اطمینان را بسازید و تفسیر کنید -آزمون های فرضیه را انجام دهید

coursera کاربردهای تجاری آزمون فرضیه و تخمین فاصله اطمینان (Mitalearn-213228)

  • 3 hours 54 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Sharad Borle
درباره این دوره:

فواصل اطمینان و آزمون فرضیه ابزارهای بسیار مهمی در جعبه ابزار آمار کسب و کار هستند. تسلط بر این موضوعات به افزایش تصمیم گیری تجاری شما کمک می کند و به شما امکان می دهد میزان "ریسک" یا "عدم اطمینان" را در فرآیندهای مختلف تجاری درک و اندازه گیری کنید. این سومین دوره در زمینه تخصصی "آمار و تجزیه و تحلیل کسب و کار" است و این دوره با معرفی فواصل اطمینان و تست فرضیه دانش شما را در مورد آمار کسب و کار ارتقا می دهد. ابتدا به صورت مفهومی این ابزارها و کاربرد تجاری آنها را درک می کنیم. سپس محاسبات مختلفی را برای ساخت فواصل اطمینان و انجام انواع مختلف آزمون‌های فرضیه معرفی می‌کنیم. اینها توسط برنامه های کاربردی آسان انجام می شود. برای انجام موفقیت آمیز تکالیف دوره، دانش آموزان باید به نسخه ویندوز Microsoft Excel 2010 یا جدیدتر دسترسی داشته باشند. لطفاً توجه داشته باشید که نسخه های قبلی مایکروسافت اکسل (2007 و قبل از آن) با برخی از توابع اکسل که در این دوره توضیح داده شده اند سازگاری ندارند. هفته 1 ماژول 1: فاصله اطمینان - مقدمه در این ماژول به صورت مفهومی خواهید فهمید که فاصله اطمینان چیست و چگونه ساخته می شود. ما بلوک های ساختمانی مختلف برای فاصله اطمینان مانند توزیع t، آماره t، آمار z و فرمول های مختلف اکسل آنها را معرفی خواهیم کرد. سپس از این بلوک‌های سازنده برای ایجاد فواصل اطمینان استفاده خواهیم کرد. موضوعات تحت پوشش عبارتند از: • معرفی t-distribution، توابع اکسل T.DIST و T.INV • درک مفهومی فاصله اطمینان • آمار z و آمار t • ایجاد فاصله اطمینان با استفاده از آماره z و آماره t هفته 2 ماژول 2: فاصله اطمینان - برنامه های کاربردی این ماژول کاربردهای تجاری مختلفی از فاصله اطمینان را ارائه می دهد، از جمله برنامه ای که در آن از فاصله اطمینان برای محاسبه اندازه نمونه مناسب استفاده می کنیم. ما همچنین با یک برنامه، فاصله اطمینان برای نسبت جمعیت را معرفی می کنیم. در پایان ماژول ما شروع به معرفی مفهوم تست فرضیه می کنیم. موضوعات تحت پوشش عبارتند از: • کاربردهای فاصله اطمینان • فاصله اطمینان برای نسبت جمعیت • محاسبه اندازه نمونه • آزمون فرضیه، مقدمه هفته 3 ماژول 3: آزمون فرضیه این ماژول تست فرضیه را معرفی می کند. شما می توانید منطق پشت آزمون های فرضیه را درک کنید. چهار مرحله برای انجام یک آزمون فرضیه معرفی شده است و شما می توانید آنها را برای آزمون فرضیه برای میانگین جمعیت و همچنین نسبت جمعیت به کار ببرید. تفاوت بین آزمون های فرضیه دم تک و دو آزمون فرضیه دم و همچنین خطاهای نوع اول و دوم مرتبط با آزمون های فرضیه و راه های کاهش چنین خطاهایی را خواهید فهمید. موضوعات تحت پوشش عبارتند از: • منطق آزمون فرضیه • چهار مرحله برای انجام آزمون فرضیه • آزمون فرضیه تک دم و دو دم • دستورالعمل ها، فرمول ها و آزمون کاربرد فرضیه • آزمون فرضیه برای نسبت جمعیت • خطاهای نوع اول و دوم در یک فرضیه هفته 4 ماژول 4: آزمون فرضیه - تفاوت در میانگین در این ماژول، شما از آزمون های فرضیه برای آزمایش تفاوت بین دو داده مختلف استفاده می کنید، به این گونه آزمون های فرضیه، آزمون های تفاوت در میانگین می گویند. ما سه نوع تفاوت در آزمون میانگین ها را معرفی می کنیم و آنها را در برنامه های مختلف تجاری اعمال می کنیم. همچنین کادر محاوره ای اکسل را برای انجام چنین آزمون های فرضیه ای معرفی می کنیم. موضوعات تحت پوشش عبارتند از: • معرفی آزمون فرضیه تفاوت در میانگین • کاربردهای آزمون فرضیه تفاوت در میانگین • فرض واریانس برابر و نابرابر و آزمون t زوجی برای تفاوت میانگین ها. • برخی از برنامه های کاربردی دیگر

coursera مقدمه ای بر علم داده و یادگیری اسکییت در پایتون (Mitalearn-329236)

  • 1 hours 30 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Sabrina Moore,Rajvir Dua,Neelesh Tiruviluamala
درباره این دوره:

این دوره به شما یاد می دهد که چگونه از قدرت پایتون و هوش مصنوعی برای ایجاد و آزمایش فرضیه استفاده کنید. ما از ابتدا شروع می کنیم، و قبل از فرو رفتن در برخی از برنامه های کاربردی غنی تر آن برای آزمایش فرضیه ایجاد شده، چند پایتون پایه برای علم داده را یاد می گیریم. ما برخی از مهم‌ترین کتابخانه‌ها را برای تجزیه و تحلیل داده‌های اکتشافی (EDA) و یادگیری ماشینی مانند Numpy، Pandas و Sci-Kit یاد خواهیم گرفت. پس از یادگیری برخی از تئوری (و ریاضیات) پشت رگرسیون خطی، خط لوله کاملی از خواندن داده‌ها، پاکسازی آن‌ها و اعمال یک مدل رگرسیون برای تخمین پیشرفت دیابت را بررسی می‌کنیم. در پایان دوره، شما یک مدل طبقه بندی را برای پیش بینی وجود/عدم بیماری قلبی از داده های سلامت بیمار اعمال خواهید کرد.

Suggestions