یاد بگیرید که چگونه داده ها را با استفاده از محیط و زبان Mathematica 11 تجزیه و تحلیل کنید. در این دوره، Curt Frye نحوه راه‌اندازی نوت‌بوک‌های Mathematica، یافتن راهنما، اختصاص مقادیر به متغیرها، وارد کردن داده‌ها به Mathematica و تحقیق در نتایج خود را با استفاده از Wolfram|Alpha نشان می‌دهد. او همچنین نحوه ایجاد و دستکاری لیست ها، تجزیه و تحلیل داده ها با استفاده از آمار توصیفی، انجام محاسبات ماتریس، ایجاد و اشکال زدایی اسکریپت های Mathematica، و رسم داده های خود را با استفاده از قابلیت های تعبیه شده در Mathematica 11 توضیح می دهد. برای جمع بندی، او نحوه تبدیل فایل ها را به فرمت سند قابل محاسبه (CDF)، انیمیشن اضافه کنید تا نتایج خود را تعاملی تر کنید، و با Wolfram Cloud شروع کنید.

آمار توصیفی به ما در درک ساختار کلی داده ها کمک می کند و SQL پرکاربردترین زبان برای دستکاری آن است. آنها با هم می توانند به تحلیلگران داده کمک کنند تا بینش های بهتری به دست آورند و پیش بینی های گسترده ای انجام دهند. این دوره مروری بر آمار توصیفی اولیه و دستورات SQL که برای خلاصه کردن مجموعه داده‌ها، یافتن میانگین‌ها و محاسبه واریانس و انحراف استاندارد باید بدانید، ارائه می‌کند. مربی دن سالیوان همچنین تکنیک های تجزیه و تحلیل دقیق تری را با استفاده از صدک های گسسته و پیوسته برای کمک به بخش بندی داده ها و همبستگی بین متغیرها برای شناسایی روابط معرفی می کند. او با مقدمه‌ای بر رگرسیون خطی، یک تکنیک تحلیلی پیش‌بینی‌کننده که به‌طور گسترده استفاده می‌شود، پایان می‌دهد.

آیا می خواهید شغل خود را در علم داده و تجزیه و تحلیل تسریع کنید؟ کسب اعتبار حرفه ای تجزیه و تحلیل خبره (CAP) را در نظر بگیرید. این گواهینامه برتر علم داده به کارفرمایان بالقوه نشان می دهد که می توانید بینش هایی را از داده ها به دست آورید و از یافته های خود برای تعیین مراحل منطقی بعدی استفاده کنید. در سری Certified Analytics Professional (CAP) Cert Prep، Jungwoo Ryoo به داوطلبان آزمون درکی از چگونگی مرتبط بودن و ضروری بودن یک مجموعه اصلی از موضوعات علم داده برای به دست آوردن اعتبار CAP به شیوه ای سریع، در اختیار داوطلبان قرار می دهد. در این قسمت از مجموعه، او یک راهنمای مطالعه برای حوزه های امتحانی 5-7 ارائه می دهد. به علاوه، او مطالعات موردی را به اشتراک می گذارد که نشان می دهد مفاهیم حوزه دانش CAP چگونه در دنیای واقعی کار می کنند.

آمار به ما کمک می کند تا دنیای اطراف خود را درک کنیم. این اعداد به همه از نظرسنجی‌کنندگان سیاسی گرفته تا علاقه‌مندان به فوتبال فانتزی کمک می‌کنند تا بر اساس کوه‌های داده‌ای که در اختیار دارند، تماس‌های آگاهانه برقرار کنند. در این مجموعه هفتگی، یاد بگیرید که چگونه آمارهایی را که به صورت روزانه ظاهر می شوند رمزگشایی کنید. ادی داویلا هر هفته یک موضوع التقاطی و دنیای واقعی را بررسی می کند. بیاموزید که چگونه از آمار برای یافتن میانگین نمره در یک آزمون استفاده می‌شود، چگونه کازینوها از آمار استفاده می‌کنند تا مطمئن شوند که خانه معمولاً برنده می‌شود، و موارد دیگر.

توجه: از آنجایی که این سریال در حال انجام است، بینندگان یک سریال دریافت نمی‌کنند.

 SPSS Statistics یک برنامه آمار و تجزیه و تحلیل داده ها برای مشاغل، دولت ها، موسسات تحقیقاتی و سازمان های دانشگاهی است. در این دوره، بارتون پولسون یک رویکرد عملی، بصری و غیر ریاضی به آمار SPSS دارد و نحوه استفاده از برنامه محبوب برای تجزیه و تحلیل داده‌ها را به روش‌هایی که در صفحات گسترده دشوار یا غیرممکن هستند، اما نیازی به تسلط شما ندارد، توضیح می‌دهد. زبان‌های برنامه‌نویسی مانند Python یا R. از وارد کردن صفحات گسترده، ایجاد تجسم داده‌ها، تا محاسبه آمار توصیفی، بارتون تمام اصول اولیه را با تأکید بر وضوح، تفسیر، قابلیت ارتباط و کاربرد پوشش می‌دهد. این دوره برای محققانی که اولین بار هستند و کسانی که می خواهند از داده ها در کار حرفه ای و آکادمیک خود حداکثر استفاده را ببرند ایده آل است.

حوزه آمار به طور فزاینده ای به تجزیه و تحلیل و تفسیر داده ها با استفاده از پایتون وابسته شده است. با ظهور کلان داده ها و علم داده، تقاضا برای متخصصانی که بتوانند به طور موثر داده ها را با استفاده از پایتون تجزیه و تحلیل و تفسیر کنند، افزایش یافته است. در این دوره، مت هریسون به شما یاد می دهد که چگونه با استفاده از ابزارهای قدرتمند زبان برنامه نویسی پایتون، داده ها را جمع آوری، پاکسازی، تجزیه و تحلیل و تجسم کنید. به مت بپیوندید تا تکنیک های مختلفی را که ستون فقرات آمار را تشکیل می دهند ارائه می دهد و به شما کمک می کند داده ها را با آمار خلاصه و تجسم درک کنید. او نحوه ایجاد مدل‌های پیش‌بینی را با استفاده از رگرسیون خطی و XGBoost توضیح می‌دهد و دوره را با نگاهی به آزمایش فرضیه به پایان می‌رساند. اگر علاقه مند به کاوش آمار با استفاده از رویکرد کد اول هستید، در این دوره آموزشی به Matt بپیوندید تا به شما نحوه استفاده از پایتون برای باز کردن قدرت داده ها را نشان دهد.

حجم زیاد داده می تواند به سرعت غیرقابل مدیریت شود. اما با ویژگی های مدیریت و تجزیه و تحلیل داده ها در Excel 2016، می توانید بزرگترین صفحات گسترده را تحت کنترل داشته باشید. در این دوره آموزشی، دنیس تیلور دستورات، ویژگی‌ها و توابع با کاربرد آسان را برای نگهداری فهرست‌های بزرگ از داده‌ها در اکسل به اشتراک می‌گذارد. او مرتب‌سازی، اضافه کردن جمع‌های فرعی، فیلتر کردن، حذف داده‌های تکراری و استفاده از ویژگی فیلتر پیشرفته برنامه و توابع پایگاه داده تخصصی برای جداسازی و تجزیه و تحلیل داده‌ها را پوشش می‌دهد. با استفاده از این تکنیک ها، می توانید در کمترین زمان، مهم ترین اطلاعات را از داده های خود استخراج کنید.

مشاهده خبرنامه لینکدین جاناتان دولت‌ها در سراسر جهان در حال کشف ارزش و مسئولیت هستند که داده‌هایی را که جمع‌آوری و ذخیره می‌کنند به راحتی در دسترس هر کسی که می‌خواهد به آن دسترسی داشته باشد، پیدا می‌کند. تصمیم گیری برای باز کردن مجموعه داده ها یک انتخاب استراتژیک است که نیاز به تاکتیک های دقیق دارد. فرآیندها و فن آوری هایی برای دسترسی به داده ها و در عین حال به حداقل رساندن خطر وجود دارد. اگر می‌خواهید باز کردن داده‌های سازمان خود را برای فعال کردن شفافیت و تسریع نوآوری شروع کنید، یا از داده‌های باز برای هدایت تحلیل و تصمیم‌گیری آگاهانه‌تر استفاده کنید، این دوره برای شما مناسب است.\n\n او همچنین توضیح می دهد که چگونه دانشمندان داده از داده های باز برای گفتن داستان ها و ایجاد تجسم داده ها استفاده می کنند. در طول مسیر، او نمونه‌های متعددی از داده‌های باز را در عمل ارائه می‌کند: بهبود دولت، توانمندسازی شهروندان، ایجاد فرصت و حل مشکلات عمومی.

 داده ها تا زمانی که آن را به خوبی استفاده نکنید ، ارزشمند نیست. آمار داده ها را به اطلاعات معنی دار تبدیل می کند و سازمانها را قادر می سازد تا تصمیمات و پیش بینی های بهتری بگیرند. به همین دلیل آمار - جمع آوری ، تجزیه و تحلیل و ارائه داده ها - یک مهارت ارزشمند برای هر کسی در تجارت یا آکادمی است. در این دوره ، ادی دیویلا ، مربی آمار و تجزیه و تحلیل تجارت ، شما را با استفاده از قدرت Microsoft Copilot ، به یک سفر گام به گام و گام به گام برای تسلط بر آمار در اکسل می برد. ادی ابتدا اصول اساسی آمار را با یک سری نمونه ها آموزش می دهد ، سپس با گسترش همان نمونه ها در برنامه های پیچیده تر نظریه آماری - همه در حالی که از اکسل و ابزارها و عملکردهای آماری آن استفاده می کنید ، درک شما را پیشرفت می کند.

 آمار یک مهارت اصلی برای بسیاری از مشاغل است. آمارهای اولیه برای تصمیم گیری، اکتشافات، سرمایه گذاری ها و حتی پیش بینی ها حیاتی هستند. اما گاهی اوقات لازم است فراتر از اصول اولیه حرکت کنید. این سومین دوره از مجموعه مبانی آمار به شما درس‌های کاربردی و مبتنی بر مثال در مورد مهارت‌های متوسط ​​مرتبط با آمار می‌دهد: نمونه‌ها و نمونه‌گیری، خطاهای استاندارد، فواصل اطمینان، و آزمون فرضیه.

ادی داویلا نگاهی به موضوعاتی مانند نمونه‌گیری، نمونه‌های تصادفی، اندازه نمونه، خطای نمونه‌گیری، قابلیت اعتماد، قضیه واحد مرکزی، فواصل اطمینان و آزمون فرضیه می‌اندازد. این دوره برای کسانی که در علم داده، تجارت و تجزیه و تحلیل کسب و کار کار می کنند - یا هر کسی که می خواهد فراتر از ابزارها و میانگین ها باشد و درک عمیق تری از نحوه عملکرد آمار در دنیای واقعی به دست آورد، ضروری است.

 آمار در همه جا و در هر صنعتی وجود دارد، اما برای هر کسی که در علم داده، تجارت یا تجزیه و تحلیل تجاری کار می کند ضروری است. اگر در یکی از این زمینه های تخصصی هستید، به احتمال زیاد نیاز به درک پیشرفته ای از آمار دارید. تسلط خود را در این دوره تکمیل کنید، قسمت چهارم در مجموعه مبانی آمار ما. ادی داویلا مفاهیمی مانند اندازه نمونه کوچک، t-توزیع، درجات آزادی و موارد دیگر را پوشش می دهد. این آموزش مهارت‌های پیشرفته، فراگیران را به مطالعه عملی و کاربرد طراحی تجربی، تحلیل واریانس (ANOVA)، مقایسه‌های دو جمعیتی و تحلیل رگرسیون سوق می‌دهد. از این درس‌ها برای فراتر رفتن از اصول اولیه استفاده کنید و به عوامل خاصی که بر محاسبات و نتایج شما تأثیر می‌گذارند عمیق‌تر بپردازید.

آمار یک مهارت اصلی برای بسیاری از مشاغل است. آمارهای اولیه برای تصمیم گیری، اکتشافات جدید، سرمایه گذاری ها و حتی پیش بینی ها حیاتی هستند. اما گاهی اوقات لازم است از اصول اولیه فراتر بروید. مبانی آمار - بخش 2، کاربران تجاری و متخصصان علم داده را به یادگیری عملی و مبتنی بر مثال مهارت‌های متوسط \u200b\u200bمرتبط با آمار می‌برد: نمونه‌ها و نمونه‌گیری، فواصل اطمینان، و آزمون فرضیه.\r\n\r\n (از جمله توضیح نتایج غیر منتظره)، و آزمون فرضیه. این دوره برای کسانی که در علم داده، تجارت و تجزیه و تحلیل کسب و کار کار می کنند - یا هرکس دیگری که می خواهد فراتر از ابزارها و میانگین ها باشد و درک عمیق تری از نحوه عملکرد آمار در دنیای واقعی به دست آورد، ضروری است.

آمار در همه جا و در هر صنعتی وجود دارد، اما برای هر کسی که در علم داده، تجارت یا تجزیه و تحلیل تجاری کار می کند، ضروری است. اگر در یکی از این زمینه های تخصصی هستید، به احتمال زیاد نیاز به درک پیشرفته ای از آمار دارید. تسلط خود را در این دوره، قسمت 3 از مجموعه مبانی آمار ما، کامل کنید. ادی داویلا مفاهیمی مانند اندازه نمونه کوچک، توزیع t، درجات آزادی، تست مجذور کای و موارد دیگر را پوشش می‌دهد. این آموزش مهارت های پیشرفته، فراگیران را به مطالعه عملی و کاربرد طراحی تجربی، تحلیل واریانس، مقایسه جمعیت و تحلیل رگرسیون سوق می دهد. از این درس‌ها برای فراتر رفتن از اصول اولیه و عمیق‌تر رفتن به عوامل خاصی که بر محاسبات و نتایج شما تأثیر می‌گذارند، استفاده کنید.

 مطمئن نیستید که آیا به آمار نیاز دارید؟ دوباره فکر کن! آمار به تصمیم گیری، اکتشافات جدید، سرمایه گذاری و پیش بینی کمک می کند. برای موضوعاتی از نژادهای سیاسی گرفته تا پیشرفت های مراقبت های بهداشتی، آمار می تواند درک شما را از موضوع مورد علاقه شما بهبود بخشد. در این دوره، پروفسور ادی داویلا اصطلاحات، فرمول ها و تکنیک های رایج مربوط به احتمال، حوزه آماری که این دوره در آن تمرکز دارد را آموزش می دهد.n او جایگشت ها، ترکیب ها و صدک ها را پوشش می دهد و به نحوه توصیف و محاسبه آنها می پردازد. ادی احتمالات چند رویدادی را معرفی می کند و درباره زمان جمع و تفریق احتمالات بحث می کند. او درخت‌های احتمال، قضیه بیز، دوجمله‌ای و موارد دیگر را توصیف می‌کند. شما می توانید یاد بگیرید که داده های خود را درک کنید، نظریه ها را اثبات کنید و منابع ارزشمند را ذخیره کنید - همه اینها با درک اعداد.

 آمار فقط قلمرو دانشمندان داده نیست. همه انواع مشاغل از آمار استفاده می کنند. آمار برای تصمیم گیری، اکتشافات جدید، سرمایه گذاری ها و پیش بینی ها مهم هستند. خواه موضوع مسابقه‌های سیاسی، رتبه‌بندی‌های ورزشی، روند خرید یا پیشرفت‌های مراقبت‌های بهداشتی باشد، آمار ابزاری برای درک موضوع مورد علاقه شما در سطحی عمیق‌تر است. در این دوره، پروفسور ادی داویلا دروس سطح مبتدی را ارائه می دهد، بنابراین شما نیز می توانید بر اصطلاحات، فرمول ها و تکنیک های مورد نیاز برای انجام رایج ترین انواع آمار تسلط داشته باشید.n او نحوه یافتن وسط مجموعه داده و همچنین میانگین و میانه را توضیح می دهد. او محدوده را معرفی می‌کند، سپس به انحراف معیار و اینکه با نقاط پرت چه باید کرد می‌پردازد. این تکنیک‌ها به شما کمک می‌کنند داده‌های خود را درک کنید، نظریه‌ها را اثبات کنید، و در زمان، پول و سایر منابع ارزشمند صرفه‌جویی کنید—همه با درک اعداد.

یک نوع مشکل کاملاً بر یادگیری ماشین و هوش مصنوعی غالب است: طبقه بندی. طبقه‌بندی باینری، روش غالب، داده‌ها را به یکی از دو دسته طبقه‌بندی می‌کند: خرید یا نه، تقلب یا نه، بیمار یا نه، و غیره. یادگیری ماشینی و راه‌حل‌های مبتنی بر هوش مصنوعی به الگوریتم‌های دقیق و خوب انتخاب شده نیاز دارند تا طبقه‌بندی را به درستی انجام دهند. این دوره توضیح می دهد که چرا پروژه های تجزیه و تحلیل پیش بینی در نهایت مشکلات طبقه بندی هستند و چگونه دانشمندان داده می توانند استراتژی (یا استراتژی) مناسب را برای پروژه های خود انتخاب کنند. مربی کیت مک کورمیک از تکنیک های آمار سنتی و یادگیری ماشینی مدرن استفاده می کند و نقاط قوت و ضعف آنها را آشکار می کند. کیت نحوه تعریف استراتژی طبقه بندی خود را توضیح می دهد و روشن می کند که انتخاب درست اغلب ترکیبی از رویکردها است. سپس، او 11 الگوریتم مختلف را برای ساخت مدل شما نشان می دهد، از تجزیه و تحلیل تفکیک کننده گرفته تا رگرسیون لجستیک و شبکه های عصبی مصنوعی. در نهایت، یاد بگیرید که چگونه بر چالش هایی مانند مقابله با داده های از دست رفته و کاهش داده ها غلبه کنید.\r\n\r\n هیچ نرم افزاری برای پیگیری همراه با دوره مورد نیاز نیست.