Statistik: Math fortgeschritten
Technologie:
Kompetenzniveau:
- 2 Kurse | 2h 25m 30s
- 2 Kurse | 3h 41s
Erkunden Sie Statistik, die die Sammlung, Klassifizierung, Analyse, Darstellung und Interpretation von Daten zum Gegenstand hat.
ERSTE SCHRITTE
Statistische Kernkonzepte: Eine Übersicht über Statistik und Stichproben
-
2m 35s
-
6m 26s
ERSTE SCHRITTE
Mathematik der Regression: Erste Schritte mit linearen Regressionen
-
2m 13s
-
9m 48s
ENTHALTENE KURSE
Statistische Kernkonzepte: Eine Übersicht über Statistik und Stichproben
Angesichts der Tatsache, dass Daten heute zu den wertvollsten Gütern gehören, die es zu erschließen gilt, steigt die Nachfrage nach datenwissenschaftlichen Kenntnissen täglich. Statistik und Stichproben sind das Herzstück der Datenwissenschaft. Nutzen Sie diesen Kurs als theoretische Einführung in die Verwendung von Stichproben, um verschiedene Statistiken zu erstellen. Untersuchen Sie, was genau mit Statistiken und Stichproben gemeint ist. Erkunden Sie die deskriptive Statistik, nämlich Maße der zentralen Tendenz und der Streuung. Studieren Sie Wahrscheinlichkeitsstichprobenverfahren, darunter einfache Zufallsstichproben und Clusterstichproben. Untersuchen Sie, wie Undersampling und Oversampling eingesetzt werden, um ausgewogenere Datensätze zu erzeugen. Nach Abschluss des Kurses werden Sie wissen, wie Sie Statistiken und Stichproben am besten für Ihre spezifischen Ziele und Bedürfnisse nutzen können.
7 Videos |
47m
Bewertung
Abzeichen
Statistische Kernkonzepte: Statistik & Stichproben mit Python
Daten sind einer der wertvollsten Vermögenswerte eines Unternehmens, aber sie sind nur so wertvoll wie die Methoden, mit denen sie interpretiert werden. Der Schlüssel für die Interpretation von Daten liegt in der Datenwissenschaft, die im Kern Statistik und Stichproben umfasst. In diesem Kurs üben Sie die Verwendung der Pandas-Bibliothek in Python, um mit Statistiken und Stichproben zu arbeiten. Sie üben, Daten aus einer CSV-Datei in einen Pandas-Datenrahmen zu laden, und berechnen eine Vielzahl von Statistiken über Daten. Sie werden sehen, wie Sie die Beziehung zwischen Daten und berechneten Statistiken visualisieren können. Sie setzen verschiedene Stichprobenverfahren ein, wie z. B. geschichtete Stichproben und Cluster-Stichproben. Dann erkunden Sie, wie aus einem unausgewogenen Datensatz mithilfe des imblearn-Moduls in Python eine ausgewogene Stichprobe erstellt werden kann. Nach Abschluss des Kurses sind Sie in der Lage, Stichproben zu erstellen und Statistiken mit verschiedenen Tools und Methoden zu berechnen.
11 Videos |
1h 37m
Bewertung
Abzeichen
ENTHALTENE KURSE
Mathematik der Regression: Erste Schritte mit linearen Regressionen
Die lineare Regressionsanalyse ist eine einfache, aber wirksame Technik zur Quantifizierung von Kausalzusammenhängen. In diesem Kurs machen Sie sich mit linearen Regressionen als die Anpassung einer geraden Linie durch eine Reihe von Punkten vertraut. Lernen Sie, wie man Residuen definiert und den kleinsten quadratischen Fehler verwendet. Definieren und messen Sie das R-Quadrat, führen Sie eine Regressionsanalyse durch, visualisieren Sie Ihre Daten, indem Sie eine Korrelationsmatrix berechnen und diese in Form einer Korrelations-Heatmap darstellen, und verwenden Sie Streudiagramme als Vorstufe zur Durchführung der Regressionsanalyse. Abschließend implementieren Sie die Regressionsanalyse zunächst mit selbst geschriebenen Funktionen und dann mit der Python-Bibliothek scikit-learn. Am Ende des Kurses werden Sie in der Lage sein, den Bedarf an linearen Regressionen zu erkennen und sie effektiv einzusetzen.
14 Videos |
1h 28m
Bewertung
Abzeichen
Mathematik der Regression: Verwendung von Gradientenverfahren und logistischer Regression
Das Gradientenverfahren ist eine äußerst leistungsstarke numerische Optimierungstechnik, die häufig verwendet wird, um optimale Werte von Modellparametern während der Trainingsphase eines Machine-Learning-Modells zu finden. Nutzen Sie diesen Kurs als Einführung in das Gradientenverfahren und untersuchen Sie, wie es bei einer Vielzahl von Optimierungsproblemen eingesetzt werden kann. Sie werden sehen, wie es zur Durchführung einer linearen Regression verwendet werden kann, und den Hyperparameter Lernrate sowie die Matrixgleichungen zur Berechnung der Gradienten und zur Aktualisierung der Modellparameter unter Verwendung der Gradienten genauer kennenlernen. Schließlich werden Sie eine Form des Gradientenverfahrens anwenden, die als stochastisches Gradientenverfahren bekannt ist, um eine S-Kurve anzupassen und so eine logistische Regression auf einen Datensatz anzuwenden. Am Ende des Kurses werden Sie in der Lage sein, die logistische Regression mithilfe des Gradientenverfahrens sicher zu implementieren.
13 Videos |
1h 31m
Bewertung
Abzeichen
VERDIENEN SIE SICH MIT DEM ABSCHLUSS DIESER KURSE EIN DIGITALES ABZEICHEN DIESER KURSE
Skillsoft gibt Ihnen die Möglichkeit, nach erfolgreichem Abschluss einiger unserer Kurse ein digitales Abzeichen zu gewinnen, das Sie in allen sozialen Medien oder auf beliebigen Unternehmensplattformen integrieren können.
Digitale Abzeichen dürfen Sie für immer behalten.
