Математика для анализа и прогнозирования [2021] [robot dreams] [Сергей Бобровский]

Математика для анализа и прогнозирования [2021]
robot dreams
Сергей Бобровский

Как принимать правильные решения на основе данных, находить закономерности и проверить гипотезы - узнайте на курсе.

О курсе:
Чтобы найти ответы на вопросы в работе с данными, не делая типичных ошибок, следует научиться анализировать проблемы и методы их решения с помощью математики и статистики. Для решения этой задачи, рекомендуется воспользоваться следующей формулой: (25 часов обучения + домашние задания)².

С ее помощью специалист, который умеет успешно обрабатывать данные, но не способен находить закономерности и тенденции, сможет научиться строить и проверять гипотезы, описывать реальные процессы и задачи математическим языком.

Курс подойдет:
1. Analysts
2. Developers
3. Technical teachers / Other IT specialist

После курса вы сможете:
1. Сможете работать с основными библиотеками Python для обработки, анализа и визуализации данных
2. Сможете строить и проверять статистические гипотезы
3. Научитесь решать задачи при помощи основных математических методов аналитики данных

Спойлер: Содержание

Модуль 1 - Python для анализа данных: part 1

• Начните знакомство с Python.
• Научитесь определять структуры данных и проводить операции над ними.
• Изучите базовые функции Jupyter Notebook.
• Запустите код в Jupyter Notebook.

Модуль 2 - Python для анализа данных: part 2

• Подключите библиотеки Python.
• Научитесь с их помощью упрощать подготовку и обработку данных.
• Откройте навык [умею оперировать данными при помощи библиотек NumPy и Pandas] и [визуализирую данные с помощью библиотек MatPlotLib и Seaborn].

Модуль 3 - Дескриптивная статистика

• Узнайте, как применять дескриптивную статистику для описания и визуализации данных.
• Научитесь применять моду, медиану, среднее значение и среднеквадратическое отклонение для анализа данных. Освойте визуализацию данных с помощью библиотек MatPlotLib, SeaBorn и Plotly.

Модуль 4 - Теория множеств

• Перейдите к изучению основных понятий теории множеств.
• Научитесь применять операции над множествами в работе с данными.
• Используйте диаграммы Венна для анализа проблем.
• Перейдите к работе с векторами и матрицами при помощи библиотеки NumPy.
• Освойте чтение математических обозначений для разработки и имплементации алгоритмов.

Модуль 5 - Теория вероятности. Введение

• Узнайте, в чем состоит разница между вероятностью и статистикой.
• Освойте разные подходы к определению вероятности.
• Научитесь решать простые задачи на вероятность.
• Изучите теорему Байеса, чтобы правильно размышлять о вероятности в повседневной жизни.

Модуль 6 - Случайные величины и распределения

• Получите доступ к знаниям по темам: распределение, математическое ожидание, дисперсия, ковариация и корреляция.
• Установите взаимосвязь между распределением и вероятностью.
• Научитесь анализировать и использовать в работе диаграммы рассеяния для анализа корреляции.

Модуль 7 - Зависимость между случайными величинами

• Ознакомьтесь с примерами использования распределений, математического ожидания и дисперсии.
• Разберитесь в том, какая связь между распределением и вероятностью.
• Узнайте, поможет ли прохождение этого курса увеличить вашу зарплату: разница между корреляцией и причинностью.
• Научитесь анализировать и использовать в работе диаграммы рассеяния для анализа корреляции.

Модуль 8 - Основные распределения

• Изучите основные виды распределений: биномиальное распределение, распределение Пуассона, распределение Гаусса.
• Научитесь их применять.
• Получите доступ к возможности определять, какое распределение описывает вашу проблему.
• Начните использовать библиотеку stats.

Модуль 9 - Данные. Статистика. Выборка

• Разберитесь в том, что такое статистика и какие вопросы она решает?
• Изучите методы выборки.
• Научитесь планировать и выполнять сборку данных.
• Примените моду, медиану и среднее значение для анализа данных а затем визуализируйте результаты анализа и опишите данные с помощью библиотек MatPlotLib, SeaBorn и Plotly.

Модуль 10 - Точечная оценка

• Научитесь предсказывать результаты выборов.
• Изучите понятие точечной оценки.
• Сделайте первые шаги к интерпретации данных: узнайте, что выборка говорит о настоящем распределении.

Модуль 11 - Интервальная оценка

• Научитесь правильно предсказывать результаты выборов.
• Используйте интервальную оценку для определения ошибок при интерпретации данных.
• Изучите, что такое доверительный интервал, какие бывают его примеры и интерпретации.
• Постройте доверительный интервал для простой проблемы.

Модуль 12 - Проверка статистических гипотез

• Перейдите к изучению основных и конкурирующих гипотез.
• Узнайте, что такое P-значение и как его интерпретировать.
• Научитесь определять типы ошибок.
• Сформулируйте статистическую гипотезу.
• Затем проверьте ее разными методами.

Модуль 13 - Анализ качественных данных

• Откройте доступ к знаниям о качественных переменных и непараметрических методах.
• Научитесь анализировать качественные данные.
• Постройте и проанализируйте таблицы сопряженности.
• Проверьте адекватность модели c помощью chi-square и библиотеки stats.

Модуль 14 - Статистика на практике

• Научитесь использовать статистические методы на предприятии.
• Распознайте возможную ошибку в анализе и откорректируйте ее.
• Поймите, как проводить поправку при множественной проверке гипотез.

Модуль 15 - Регрессионный анализ

• Изучите следующие понятия: линейная регрессия, полиномиальная регрессия, метод наименьших квадратов.
• Сформулируйте проблему для линейной регрессии.
• Используйте библиотеку ScikitLearn для регрессионного анализа данных.
• Затем проверьте результат вашего регрессионного анализа на адекватность.

Модуль 16 - Логистическая регрессия. Введение в машинное обучение

• Познакомьтесь с основами статистического обучения.
• Научитесь решать проблемы классификации с помощью логистической регрессии.
• Используйте ScikitLearn.
• Научитесь применять перекрестную проверку.
• И снова используйте ScikitLearn.
• Затем попробуйте сделать перекрестную проверку вручную.

Примечание: на момент создания темы актуальная цена не известна.

Продажник