Основы математической статистики

Освоить подходы математической статистики к анализу данных, базовые понятия теории вероятностей и статистического анализа, чтобы научиться обрабатывать и анализировать данные для управления рисками и прогнозирования важных бизнес-решений
50 новых тем
9 практикумов
11 тестов на проверку знаний
5 бонусных материалов к курсу
Итоговая курсовая работа
Сертификат по окончании курса
Ваша скидка: 35%
Для кого этот курс:
3 590 рублей 5 590
В этом курсе:
Аналитики больших данных
Программисты, работающие с данными
Бизнес-аналитики
Базовый анализ
данных на Python
Базовый SQL
Основы сетевых
протоколов
Проектная работа
Математическая статистика
Машинное обучение на Python
Дополнительный курс
Компьютерное зрение на Python
который занимается анализом огромных массивов данных, извлекает оттуда нужную информацию, умеет ее анализировать и верно интерпретировать для разработки нужных бизнес-решений.
Аналитик больших данных,
Курс входит в профессию:
Основные темы курса
математическое ожидание и дисперсия выборки
нормальное распределение и критерий Стьюдента
дисперсионный анализ
одно- и многофакторная корреляция данных
регрессионный анализ
Что узнают и чему обучаются студенты на курсе
Осваивают базовые понятия теории вероятностей
Изучают критерии корреляции
Обучаются рассчитывать математическое ожидание и дисперсию
Изучают нормальное распределение и доверительные интервалы
Изучают квартили распределения
Знакомятся с таблицами сопряженности
Осваивают кластерный анализ больших данных
Осваивают кластерный анализ больших данных
отдельных занятия
50
практикумов
9
самостоятельных работ
5
дополнительных
материалов
5
сертификат
1
Основные цифры курса
курсовая работа
1
Программа курса
Вводный модуль
Приобретем полезные привычки и научимся работать в прикладной программе для успешного обучения программированию, оценим свои начальные навыки и поставим задачи на курс

Занятие 1: Добро пожаловать
Занятие 2: Формат курса
Занятие 3: Jupyter Notebook
Занятие 4: Общие рекомендации
Занятие 5: Вопросы и ответы
Занятие 6: Напутствие

Тест: Подготовительный тест
Модуль 1: Выборки, переменные и меры
Рассмотрим базовые понятия теории вероятностей и рассчитаем меры выборки.

Занятие 1: Вероятностное пространство и случайные величины
Занятие 2: Генеральная совокупность и выборка
Занятие 3: Типы переменных. Количественные и номинативные переменные
Занятие 4: Меры центральной тенденции
Занятие 5: Меры изменчивости

Дополнительный материал: стратегии построения выборок

Практикум: математическое ожидание и дисперсия

Тест: выборки
Тест: меры


Задание: расчет статистических параметров
Модуль 2: Распределения
Освоим нормальное распределение и доверительные интервалы и рассчитаем
параметры распределения.


Занятие 1: Квартили распределения и график box-plot
Занятие 2: Нормальное распределение
Занятие 3: Доверительные интервалы для среднего
Занятие 4: Статистического вывод
Занятие 5: p-уровень значимости

Дополнительный материал: закон больших чисел

Практикум: расчет отклонений
Практикум: расчет доверительных интервалов

Тест: нормальное распределение
Тест: доверительные интервалы


Задание: параметры нормального распределения
Модуль 3: Дисперсионный анализ
Проведем одно- и многофакторный дисперсионный анализ и выделим независимые
факторы.

Занятие 1: T-распределение
Занятие 2: Сравнение двух средних; t-критерий Стьюдента
Занятие 3: Проверка распределения на нормальность
Занятие 4: Однофакторный дисперсионный анализ
Занятие 5: Множественные сравнения
Занятие 6: Многофакторный дисперсионный анализ

Дополнительный материал: post hoc анализ

Практикум: QQ-Plot

Тест: сравнение средних
Тест: дисперсионный анализ


Задание: выделение факторов

Модуль 4: Корреляция
Рассмотрим корреляцию и таблицы сопряженности, проведем регрессионный анализ
данных.

Занятие 1: Понятие корреляции
Занятие 2: Условия применения коэффициента корреляции
Занятие 3: Регрессия с одной независимой переменной
Занятие 4: Гипотеза о значимости взаимосвязи и коэффициент детерминации
Занятие 5: Таблицы сопряженности
Занятие 6: Точный критерий Фишера

Дополнительный материал: виды статистических связей

Практикум: расчет корреляции
Практикум: анализ таблиц сопряженности

Тест: корреляция
Тест: таблицы сопряженности


Задание: регрессионный анализ данных

Модуль 5: Регрессия
Освоим регрессионный анализ с несколькими переменными и кластерный анализ,
смоделируем распределение данных.


Занятие 1: Условия применения линейной регрессии с одним предиктором
Занятие 2: Интерпретация результатов
Занятие 3: Регрессионный анализ с несколькими переменными
Занятие 4: Логистическая регрессия

Дополнительный материал: нелинейная регрессия

Практикум: предсказание значений зависимой переменной
Практикум: выбор наилучшей модели
Практикум: кластерный анализ

Тест: регрессия нескольких переменных
Тест: кластерный анализ


Задание: моделирование данных

Модуль 6: Заключительный
Соберем ваши работы в портфолио и разработаем дальнейшие шаги освоения тестирования.

  • Машинное обучение
  • Проект: кластерный анализ
  • Сертификаты
  • Поздравляем!
Как организован процесс обучения
Доступ к информации
После регистрации и оплаты вы получите доступ в ваш личный кабинет, где содержатся все материалы курса.
Обучение
Вы изучаете материалы курса и выполняете задания в своем темпе, в удобное для вас время и в приятном для вас месте. Все, что вам необходимо - доступ в интернет!
Практика
Чтобы добиться наилучшего результата строго выполняйте все задания курса, используя полученные теоретические знания. Практикуйтесь самостоятельно, ведь чем больше опыта вы приобретете за время обучения, тем выше будет ваша конкурентоспособность как специалиста по окончанию курса.
Выполнение курсовой работы
Вы самостоятельно создаете свой курсовой проект - кластерный анализ выбранного массива данных, применяя все теоретические и практические знания, полученные за время обучения на курсе.
Финал
Получаете обратную связь на свою работу и сертификат о прохождении курса.
Ваш наставник:
Мациевский Николай
опыт в программировании и разработки сложных веб-проектов более 20 лет
    технический директор облачного сервиса Айри.рф
      эксперт в области веб-производительности
        автор двух книг: «Разгони свой сайт» и «Реактивные веб-сайты»
        Почему стоит учиться у Николая?
        Разработал и руководил разработками огромного количества веб-проектов, веб-сайтов и сервисов, общая ежедневная аудитория которых превышает 100 млн. человек.
        Неоднократно приглашался в качестве ведущего и эксперта различных программ на радио и телевидение
        Создал с нуля, руководит и продолжает развивать такие проекты, как:
        webogroup.com
        webopulsar.ru / webopulsar.com
        айри.рф / airee.cloud

        Научит и Вас!
        Стоимость обучения
        Стандартная цена курса
        Ваша цена
        35%
        Гарантия возврата денег - 14 дней
        Оставьте заявку на обучение:
        Нажимая на кнопку вы соглашаетесь с условиями обработки персональных данных
        5 590 рублей
        3 590 рублей
        Ваша скидка:
        50 новых тем
        9 практикумов
        11 тестов на проверку знаний
        5 бонусных материалов к курсу
        Итоговая курсовая работа
        Сертификат по окончании курса
        В этом курсе:
        ГАРАНТИЯ
        Мы абсолютно уверены в качестве своего курса и в том, что он будет вам полезен! Поэтому даем невероятную гарантию: если в течение 14 дней вы поймете, что наш курс вам не подходит, если он вам не понравится, - напишите нам, и мы вернем вам деньги.
        Уже уходите?
        Попробуйте бесплатный курс "Знакомство с Python. Данные, переменные, ввод и вывод", чтобы познакомиться с программированием на языке Python
        и принять взвешенное решение о продолжении обучения в нашем центре.
        Регистрируясь на бесплатный курс, вы соглашаетесь с политикой обработки информации
        Click to order
        Cart
        Total: 
        Ваше имя
        Ваш Email
        Your Phone
        Пожалуйста, не указывайте почту icloud, так как на нее мы не сможем отправить вам письмо с доступом к курсу