Python数据分析(统计分析)视频教程—708人已学习
课程介绍
Python数据分析(统计分析)视频培训课程概述:Python统计分析系列课程以Python为核心工具,结合其工具包进行统计分析实验。课程内容包括数据科学必备的几种分布、统计描述、假设检验、方差分析、相关分析、因子分析、回归分析、聚类分析、逻辑回归、贝叶斯分析等Python数据分析内容,系统全面。从统计分析基础开始讲起,一步步完成整个统计分析系列内容。课程以案例为中心,结合案例讲解让同学们更清晰的掌握每一个知识点的应用与工作流程。
课程收益
掌握数据分析基本方法与统计分析中各种指标计算,并在Python中进行案例实战。讲师卡永久免费观看唐宇迪所有课程,更实惠!
在Python中进行案例实战
课程风格通俗易懂 案例内容持续更新 简单易懂,接地气的案例 永久有效,提供所有数据和代码
讲师介绍
唐宇迪 更多讲师课程
计算机博士,专注于机器学习与计算机视觉领域,深度学习领域一线实战讲师。在图像识别领域有着丰富经验,实现过包括人脸识别,物体识别,关键点检测等多种应用的新算法。 参与多个国家级计算机视觉项目,多年数据领域培训经验,丰富的教学讲解经验,出品多套机器学习与深度学习系列课程,课程生动形象,风格通俗易懂。
课程大纲
第1章:数据科学必备几种分布
1. 课程简介 5:59
2. 正太分布 19:23
3. 二项式分布 11:02
4. 泊松分布 15:55
5. 均匀分布 3:22
6. 卡方分布 5:35
7. beta分布 14:54
第2章:统计描述
1. 统计描述概述 7:54
2. 频数分布 5:25
3. 集中趋势描述 9:40
4. Pandas描述统计常用函数 8:21
5. 恐怖袭击数据集描述 13:07
6. 恐袭各指标统计 13:54
7. kaggle数据科学调查介绍 11:18
8. 基本情况可视化展示 19:36
9. 工资情况 11:33
10. 技能使用情况 16:32
11. 数据集与平台 14:21
12. python和r哪家强 15:58
13. 调查总结 16:16
第3章:假设检验
1. 假设检验基本思想 12:28
2. 左右侧检验与双侧检验 14:20
3. Z检验基本原理 7:03
4. Z检验实例 14:06
5. T检验基本原理 13:02
6. T检验实例 6:17
7. T检验应用条件 7:43
8. 卡方检验 11:28
9. 假设检验中的两类错误 10:01
10. Python假设检验实例 12:34
11. Python卡方检验实例 7:59
第4章:方差分析
1. 方差分析概述 6:48
2. 方差的比较 11:50
3. 方差分析计算方法 14:00
4. 方差分析中的多重比较 8:15
5. 多因素方差分析 9:25
6. Python方差分析实例 8:34
第5章:相关分析
1. 相关分析概述 9:03
2. 皮尔森相关系数 8:16
3. 计算与检验 13:05
4. 斯皮尔曼等级相关 14:06
5. 肯德尔系数 6:48
6. 质量相关分析 13:33
7. 偏相关与复相关 7:34
第6章:因子分析
1. 因子分析概述 5:53
2. PCA降维概述 8:39
3. PCA要优化的目标 12:21
4. PCA求解 10:17
5. PCA降维实例 19:17
6. 线性判别分析要解决的问题 12:20
7. 线性判别分析要优化的目标 12:03
8. 线性判别分析求解 12:08
9. 实现线性判别分析进行降维任务 10:19
10. 求解得出降维结果 8:55
第7章:回归分析
1. 回归分析概述 7:11
2. 回归方程定义 4:42
3. 误差项的定义 7:48
4. 最小二乘法推导与求解 12:41
5. 回归方程求解小例子 6:32
6. 回归直线拟合优度 11:08
7. 多元与曲线回归问题 8:26
8. Python工具包介绍 5:01
9. statsmodels回归分析 9:38
10. 高阶与分类变量实例 12:06
11. 案例:汽车价格预测任务概述 9:19
12. 案例:缺失值填充 13:36
13. 案例:特征相关性 13:47
14. 案例:预处理问题 7:05
15. 案例:回归求解 13:23
第8章:聚类分析
1. 层次聚类概述 4:41
2. 层次聚类流程 12:10
3. 层次聚类实例 11:33
4. KMEANS算法概述 11:33
5. KMEANS工作流程 9:42
6. KMEANS迭代可视化展示 8:19
7. DBSCAN聚类算法 11:03
8. DBSCAN工作流程 15:03
9. DBSCAN可视化展示 8:52
10. 多种聚类算法概述 4:34
11. 聚类案例实战 17:19
第9章:逻辑回归
1. 梯度下降原理 11:42
2. 梯度下降方法对比 7:20
3. 学习率对结果的影响 6:08
4. 逻辑回归算法原理推导 10:52
5. 逻辑回归求解 14:58
第10章:贝叶斯分析
1. 贝叶斯分析概述 7:22
2. 概率的解释 6:06
3. 贝叶斯学派与经典统计学派的争论 5:49
4. 贝叶斯算法概述 6:58
5. 贝叶斯推导实例 7:37
6. 贝叶斯拼写纠错实例 11:46
7. 垃圾邮件过滤实例 14:09
8. 贝叶斯解释 10:50
9. 经典求解思路 8:16
10. MCMC概述 11:03
11. PYMC3概述 5:40
12. 模型诊断 9:53
13. 模型决策 10:48
大家可以点击【 查看详情】查看我的课程
课程介绍
Python数据分析(统计分析)视频培训课程概述:Python统计分析系列课程以Python为核心工具,结合其工具包进行统计分析实验。课程内容包括数据科学必备的几种分布、统计描述、假设检验、方差分析、相关分析、因子分析、回归分析、聚类分析、逻辑回归、贝叶斯分析等Python数据分析内容,系统全面。从统计分析基础开始讲起,一步步完成整个统计分析系列内容。课程以案例为中心,结合案例讲解让同学们更清晰的掌握每一个知识点的应用与工作流程。
课程收益
掌握数据分析基本方法与统计分析中各种指标计算,并在Python中进行案例实战。讲师卡永久免费观看唐宇迪所有课程,更实惠!
在Python中进行案例实战
课程风格通俗易懂 案例内容持续更新 简单易懂,接地气的案例 永久有效,提供所有数据和代码
讲师介绍
唐宇迪 更多讲师课程
计算机博士,专注于机器学习与计算机视觉领域,深度学习领域一线实战讲师。在图像识别领域有着丰富经验,实现过包括人脸识别,物体识别,关键点检测等多种应用的新算法。 参与多个国家级计算机视觉项目,多年数据领域培训经验,丰富的教学讲解经验,出品多套机器学习与深度学习系列课程,课程生动形象,风格通俗易懂。
课程大纲
第1章:数据科学必备几种分布
1. 课程简介 5:59
2. 正太分布 19:23
3. 二项式分布 11:02
4. 泊松分布 15:55
5. 均匀分布 3:22
6. 卡方分布 5:35
7. beta分布 14:54
第2章:统计描述
1. 统计描述概述 7:54
2. 频数分布 5:25
3. 集中趋势描述 9:40
4. Pandas描述统计常用函数 8:21
5. 恐怖袭击数据集描述 13:07
6. 恐袭各指标统计 13:54
7. kaggle数据科学调查介绍 11:18
8. 基本情况可视化展示 19:36
9. 工资情况 11:33
10. 技能使用情况 16:32
11. 数据集与平台 14:21
12. python和r哪家强 15:58
13. 调查总结 16:16
第3章:假设检验
1. 假设检验基本思想 12:28
2. 左右侧检验与双侧检验 14:20
3. Z检验基本原理 7:03
4. Z检验实例 14:06
5. T检验基本原理 13:02
6. T检验实例 6:17
7. T检验应用条件 7:43
8. 卡方检验 11:28
9. 假设检验中的两类错误 10:01
10. Python假设检验实例 12:34
11. Python卡方检验实例 7:59
第4章:方差分析
1. 方差分析概述 6:48
2. 方差的比较 11:50
3. 方差分析计算方法 14:00
4. 方差分析中的多重比较 8:15
5. 多因素方差分析 9:25
6. Python方差分析实例 8:34
第5章:相关分析
1. 相关分析概述 9:03
2. 皮尔森相关系数 8:16
3. 计算与检验 13:05
4. 斯皮尔曼等级相关 14:06
5. 肯德尔系数 6:48
6. 质量相关分析 13:33
7. 偏相关与复相关 7:34
第6章:因子分析
1. 因子分析概述 5:53
2. PCA降维概述 8:39
3. PCA要优化的目标 12:21
4. PCA求解 10:17
5. PCA降维实例 19:17
6. 线性判别分析要解决的问题 12:20
7. 线性判别分析要优化的目标 12:03
8. 线性判别分析求解 12:08
9. 实现线性判别分析进行降维任务 10:19
10. 求解得出降维结果 8:55
第7章:回归分析
1. 回归分析概述 7:11
2. 回归方程定义 4:42
3. 误差项的定义 7:48
4. 最小二乘法推导与求解 12:41
5. 回归方程求解小例子 6:32
6. 回归直线拟合优度 11:08
7. 多元与曲线回归问题 8:26
8. Python工具包介绍 5:01
9. statsmodels回归分析 9:38
10. 高阶与分类变量实例 12:06
11. 案例:汽车价格预测任务概述 9:19
12. 案例:缺失值填充 13:36
13. 案例:特征相关性 13:47
14. 案例:预处理问题 7:05
15. 案例:回归求解 13:23
第8章:聚类分析
1. 层次聚类概述 4:41
2. 层次聚类流程 12:10
3. 层次聚类实例 11:33
4. KMEANS算法概述 11:33
5. KMEANS工作流程 9:42
6. KMEANS迭代可视化展示 8:19
7. DBSCAN聚类算法 11:03
8. DBSCAN工作流程 15:03
9. DBSCAN可视化展示 8:52
10. 多种聚类算法概述 4:34
11. 聚类案例实战 17:19
第9章:逻辑回归
1. 梯度下降原理 11:42
2. 梯度下降方法对比 7:20
3. 学习率对结果的影响 6:08
4. 逻辑回归算法原理推导 10:52
5. 逻辑回归求解 14:58
第10章:贝叶斯分析
1. 贝叶斯分析概述 7:22
2. 概率的解释 6:06
3. 贝叶斯学派与经典统计学派的争论 5:49
4. 贝叶斯算法概述 6:58
5. 贝叶斯推导实例 7:37
6. 贝叶斯拼写纠错实例 11:46
7. 垃圾邮件过滤实例 14:09
8. 贝叶斯解释 10:50
9. 经典求解思路 8:16
10. MCMC概述 11:03
11. PYMC3概述 5:40
12. 模型诊断 9:53
13. 模型决策 10:48
大家可以点击【 查看详情】查看我的课程