Регрессионный анализ Python: статистика и машинное обучение
Python Regression Analysis: Statistics & Machine Learning
udemy
ВОТ ПОЧЕМУ ВАМ НУЖНО ЗАПИСАТЬСЯ НА ЭТОТ КУРС:
Регрессионный анализ является одним из центральных аспектов как статистического анализа, так и анализа на основе машинного обучения.
Этот курс научит вас регрессионному анализу как для статистического анализа данных, так и для машинного обучения в Python на практике.
Он исследует соответствующие концепции на практике от базового до экспертного уровня.
Этот курс может помочь вам получить более высокие оценки, дать вам новые инструменты анализа для вашей академической карьеры, применить свои знания в рабочих условиях и принять решения, связанные с бизнес-прогнозированием ... Все это, исследуя мудрость исследователя, получившего образование в Оксфорде и Кембридже.
Большинство курсов и книг по статистике и машинному обучению касаются только основных аспектов регрессионного анализа.
Это не знакомит студентов со всеми различными методами регрессионного анализа, которые они могут применять к своим собственным данным как в академических, так и в деловых условиях, что приводит к неточному моделированию.
Мой курс отличается; Это поможет вам пройти весь путь от реализации и вывода простых регрессионных моделей OLS (обычных наименьших квадратов) до решения проблем мультиколлинеарности в регрессии до моделей регрессии на основе машинного обучения.
УЧИТЕСЬ У ЭКСПЕРТНОГО УЧЕНОГО:
Меня зовут Минерва Сингх, я выпускница Оксфордского университета по специальности «география и окружающая среда». Недавно я защитил докторскую диссертацию в Кембриджском университете (тропическая экология и охрана природы).
У меня есть +5 лет опыта в анализе реальных данных из разных источников с использованием методов, связанных с наукой о данных, и в подготовке публикаций для международных рецензируемых журналов.
Этот курс основан на моем многолетнем опыте моделирования регрессии и реализации различных моделей регрессии на реальных данных.
ЭТОТ КУРС ПОМОЖЕТ ВАМ СТАТЬ ЭКСПЕРТОМ ПО РЕГРЕСС-АНАЛИЗУ:
Вот что мы рассмотрим внутри курса:
Этот курс — ваш единственный способ получить знания в области статистического анализа и анализа машинного обучения, которые я приобрел в результате тщательного обучения, полученного в двух лучших университетах мира, прочтения многочисленных книг и публикации статистически богатых статей в известном международном журнале, таком как PLOS. Один .
В частности, курс будет:
(a) Поднимите вас от базового уровня статистических знаний до выполнения некоторых из наиболее распространенных методов расширенного регрессионного анализа.
(b) Предоставить вам возможность использовать Python для выполнения различных задач анализа статистических данных и машинного обучения.
(c) Познакомить вас с некоторыми наиболее важными концепциями статистики и машинного обучения на практике, чтобы вы могли применять эти концепции для практического анализа и интерпретации данных.
(d) Вы получите хороший опыт работы с некоторыми из наиболее важных концепций статистики и машинного обучения для регрессионного анализа.
(e) Вы сможете решить, какие методы регрессионного анализа лучше всего подходят для ответов на вопросы вашего исследования и применимы к вашим данным, а также интерпретировать результаты.
Это практический, практический курс, т. е. мы потратим некоторое время на изучение некоторых теоретических концепций, связанных как со статистическим, так и с машинным регрессионным анализом…
Однако большая часть курса будет посвящена применению различных методов на реальных данных и интерпретации результатов. После каждого видео вы узнаете новую концепцию или технику, которую сможете применить в своих проектах.
ПРИСОЕДИНЯЙТЕСЬ К КУРСУ СЕЙЧАС!
Для кого этот курс:
Скачать с ОМ
Python Regression Analysis: Statistics & Machine Learning
udemy
ВОТ ПОЧЕМУ ВАМ НУЖНО ЗАПИСАТЬСЯ НА ЭТОТ КУРС:
Регрессионный анализ является одним из центральных аспектов как статистического анализа, так и анализа на основе машинного обучения.
Этот курс научит вас регрессионному анализу как для статистического анализа данных, так и для машинного обучения в Python на практике.
Он исследует соответствующие концепции на практике от базового до экспертного уровня.
Этот курс может помочь вам получить более высокие оценки, дать вам новые инструменты анализа для вашей академической карьеры, применить свои знания в рабочих условиях и принять решения, связанные с бизнес-прогнозированием ... Все это, исследуя мудрость исследователя, получившего образование в Оксфорде и Кембридже.
Большинство курсов и книг по статистике и машинному обучению касаются только основных аспектов регрессионного анализа.
Это не знакомит студентов со всеми различными методами регрессионного анализа, которые они могут применять к своим собственным данным как в академических, так и в деловых условиях, что приводит к неточному моделированию.
Мой курс отличается; Это поможет вам пройти весь путь от реализации и вывода простых регрессионных моделей OLS (обычных наименьших квадратов) до решения проблем мультиколлинеарности в регрессии до моделей регрессии на основе машинного обучения.
УЧИТЕСЬ У ЭКСПЕРТНОГО УЧЕНОГО:
Меня зовут Минерва Сингх, я выпускница Оксфордского университета по специальности «география и окружающая среда». Недавно я защитил докторскую диссертацию в Кембриджском университете (тропическая экология и охрана природы).
У меня есть +5 лет опыта в анализе реальных данных из разных источников с использованием методов, связанных с наукой о данных, и в подготовке публикаций для международных рецензируемых журналов.
Этот курс основан на моем многолетнем опыте моделирования регрессии и реализации различных моделей регрессии на реальных данных.
ЭТОТ КУРС ПОМОЖЕТ ВАМ СТАТЬ ЭКСПЕРТОМ ПО РЕГРЕСС-АНАЛИЗУ:
Вот что мы рассмотрим внутри курса:
- Начните работу с Python и Anaconda. Установите их в своей системе, научитесь загружать пакеты и читать различные типы данных в Python.
- Выполнить очистку данных Python
- Реализуйте обычную регрессию методом наименьших квадратов (OLS) в Python и узнайте, как интерпретировать результаты.
- Оцените точность регрессионной модели
- Внедрение обобщенных линейных моделей (GLM), таких как логистическая регрессия, с использованием Python.
- Используйте методы регрессии на основе машинного обучения для прогнозного моделирования
- Работа с древовидными моделями машинного обучения
- Внедрите методы машинного обучения, такие как регрессия случайного леса и машинная регрессия с повышением градиента, для повышения точности прогнозирования регрессии.
- & Осуществить выбор модели
Этот курс — ваш единственный способ получить знания в области статистического анализа и анализа машинного обучения, которые я приобрел в результате тщательного обучения, полученного в двух лучших университетах мира, прочтения многочисленных книг и публикации статистически богатых статей в известном международном журнале, таком как PLOS. Один .
В частности, курс будет:
(a) Поднимите вас от базового уровня статистических знаний до выполнения некоторых из наиболее распространенных методов расширенного регрессионного анализа.
(b) Предоставить вам возможность использовать Python для выполнения различных задач анализа статистических данных и машинного обучения.
(c) Познакомить вас с некоторыми наиболее важными концепциями статистики и машинного обучения на практике, чтобы вы могли применять эти концепции для практического анализа и интерпретации данных.
(d) Вы получите хороший опыт работы с некоторыми из наиболее важных концепций статистики и машинного обучения для регрессионного анализа.
(e) Вы сможете решить, какие методы регрессионного анализа лучше всего подходят для ответов на вопросы вашего исследования и применимы к вашим данным, а также интерпретировать результаты.
Это практический, практический курс, т. е. мы потратим некоторое время на изучение некоторых теоретических концепций, связанных как со статистическим, так и с машинным регрессионным анализом…
Однако большая часть курса будет посвящена применению различных методов на реальных данных и интерпретации результатов. После каждого видео вы узнаете новую концепцию или технику, которую сможете применить в своих проектах.
ПРИСОЕДИНЯЙТЕСЬ К КУРСУ СЕЙЧАС!
Для кого этот курс:
- Учащиеся, которые ранее занимались программированием на Python (не обязательно)
- Студенты, желающие освоить среду Anaconda iPython для обработки данных и научных вычислений
- Студенты, желающие изучить реализацию контролируемого обучения (регрессии) на реальных данных с использованием Python
- Студенты, желающие начать работу с искусственными нейронными сетями и глубоким обучением
- Уметь работать и устанавливать программное обеспечение на компьютер
- Иметь предварительное знакомство с общими терминами машинного обучения, такими как регрессионное моделирование и контролируемое обучение
Скачать с ОМ
Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.
