آموزش تسلط بر آزمون فرض در پایتون

دوره آموزش تسلط بر آزمون فرض در پایتون

در این دوره، انواع مختلف آزمون‌های فرض و کاربرد آنها را یاد می‌گیرید. با داده‌های دنیای واقعی، مانند داده‌های Stack Overflow کار کرده و با کاوش عملی و عمیق؛ علاوه بر آزمون‌های نسبت و مبانی آزمون فرض؛ بر آزمون‌های نسبت دو نمونه‌ای و آزمون‌های استقلال مربع کای‌ به خوبی مسلط می‌شوید.

سطح پیشرفته
آموزش تسلط بر آزمون فرض در پایتون
5 ساعت
آموزش ویدیویی
5 ساعت
آموزش ویدیویی
header-svg-bg

شما در پایان این دوره می‌توانید


  • از کتابخانه های پایتون مانند Pandas، NumPy، Scipy و Pingouin برای انجام تجزیه و تحلیل آماری و آزمون فرض استفاده کنید.
  • بر تفسیر انتقادی نتایج آزمون‌های فرض، درک سطح معنی‌داری، مقادیر p و تصمیم گیری آگاهانه در مورد رد یا عدم رد فرض صفر مسلط شوید.
  • به انواع تکنیک‌های آماری مانند مقایسه میانگین‌ها و نسبت‌ها تا بررسی روابط بین متغیرهای طبقه‌بندی با استفاده از آزمون‌های مربع کای و ابزار گسترش یافته تحلیلی مجهز شوید.
  • مفروضات حیاتی برای آزمون‌های پارامتریک، از جمله تصادفی بودن، استقلال مشاهدات، و تأثیر اندازه نمونه را بررسی و اعتبار سنجی کنید.
  • درک جامعی از مفاهیم اساسی در آزمون فرض، از جمله آزمون‌های نسبت یک نمونه ای و دو نمونه ای، آزمون‌های مربع کای و کاربردهای آنها داشته باشید.
  • بر آزمون‌های پارامتریک ، که فرضیاتی در مورد توزیع جمعیت ایجاد می‌کنند، و نیز آزمون‌های غیرپارامتریک، که قوی هستند و چنین فرضیاتی را نیاز نیست برآورده کنند، مسلط شوید.
  • درک صحیحی از آزمون‌های آماری مانند آزمون‌های t، ANOVA، آزمون‌های استقلال مربع کای و آزمون‌های برازش نیکویی مربع کای داشته باشید و بنابراین برای انجام آزمون فرض به صورت عملی مسلط شوید.
header-svg-bg

معرفی دوره

آخرین به‌روزرسانی دوره: 20 دی 1402 آخرین به‌روزرسانی دوره: 20 دی 1402

آزمون فرض یک جزء اساسی از تجزیه و تحلیل آماری است و یک چارچوب سیستماتیک برای نتیجه گیری از داده ها فراهم می‌کند. چه یک متخصص داده باتجربه باشید و چه به تازگی سفر خود را در علم داده آغاز کرده‌اید، این دوره دانش و بینش عملی مورد نیاز برای انجام موثر آزمون‌های فرض را در اختیار شما قرار می‌‎دهد. در واقع این دوره‌ی جامع برای تقویت مهارت‌های ضروری شما برای تصمیم‌گیری‌های آگاهانه و مبتنی بر داده طراحی شده است.

header-svg-bg

پیش‌نیازهای این دوره


آموزش مقدماتی آمار در پایتون
آموزش مقدماتی آمار در پایتون
5:30 ساعت
آموزش ویدیویی

آموزش نمونه‌برداری در پایتون‌
آموزش نمونه‌برداری در پایتون‌
4:30 ساعت
آموزش ویدیویی
header-svg-bg

مدرس شما


الهه صباغی
الهه صباغی teacher-role-verified-icon
back-end developer

مدرک کارشناسی مهندسی نرم‌افزار و کارشناسی ارشد مهندسی رباتیک از دانشگاه صنعتی امیرکبیر و چندین سال تجربه به عنوان مدرس علم داده، یادگیری ماشین و برنامه نویسی پایتون را دارم. امیدوارم بتونم از تجربیات خودم استفاده کنم تا به بقیه افراد کمک کنم برنامه نویسی، تجزیه و تحلیل داده‌ها و مهارت‌های مورد نیاز برای ارائه داده‌ها در تصاویر و نمودارهای واضح و زیبا را یاد بگیرند.

header-svg-bg

سوالات متداول


هدف این دوره، آموزش نحوه پاسخگویی به سؤالات مربوط به مجموعه داده های خود به روشی دقیق از نظر آماری است. با یادگیری نحوه و زمان استفاده از آزمون‌های رایج مانند آزمون‌های تی (T-test)، آزمون‌های نسبت، و آزمون‌های مجذور کای (chi-square tests)، مهارت‌های تحلیلی پایتون خود را افزایش خواهید داد.

شما با داده های دنیای واقعی، از جمله داده های Stack Overflow و داده های زنجیره تامین برای محموله های تجهیزات پزشکی کار خواهید کرد.

این دوره به چهار فصل اصلی تقسیم می شود: مقدمه‌ای بر آزمون فرض، آزمون های دو نمونه‌ای و ANOVA، آزمون های نسبت و آزمون های غیر پارامتریک.

این دوره به شما کمک می کند به سؤالات مربوط به مجموعه داده های خود به روشی دقیق از لحاظ آماری پاسخ دهید. با کار با داده‌های دنیای واقعی، درک عمیقی از نحوه عملکرد این آزمون و مفروضات کلیدی زیربنای آن‌ها به دست خواهید آورد. همچنین خواهید فهمید که چگونه می توان از آزمون های غیر پارامتریک برای فراتر رفتن از محدودیت های آزمون های فرض سنتی استفاده کنید.

همچنین این دوره به صورت یکپارچه در کنار سایر دوره های تحلیل گر داده و دانشمند داده شدن قرار گرفته است و می تواند قطعه ای از پازل پیشرفت شما باشد.

header-svg-bg

آخرین گفت‌وگوهای این دوره


آموزش تسلط بر آزمون فرض در پایتون-colorful

دوره آموزش تسلط بر آزمون فرض در پایتون

5 ساعت
آموزش ویدیویی
online-support-icon