Bu bölüm, kursa koşullu olasılıklar, Bayes teoremi ve merkezi limit teoremini gözden geçirerek başlar. Bu sırada, sıkça başvurulan olasılık dağılımlarıyla çalışan soruları nasıl ele alacağını öğreneceksin.

Koşullu olasılıklar

Problemleri kurma

Bayes teoremi uygulaması

Merkezi limit teoremi

Zar atışlarından örnekler

Merkezi limit teoremini simüle etme

Olasılık dağılımları

Bernoulli dağılımı

Binom dağılımı

Normal dağılım

Olasılık ve Örnekleme Dağılımları

Bu bölümde, keşifsel veri analiziyle ilgili istatistiksel kavramlara hazırlanacaksın. Konular arasında betimsel istatistikler, kategorik değişkenlerle çalışma ve değişkenler arası ilişkiler yer alıyor. Egzersizler, analitik bir değerlendirme ya da istatistik temelli kodlama sorusuna hazırlanmanı sağlayacak.

Betimsel istatistikler

Aritmetik ortalama mı, medyan mı

Elle standart sapma

Kategorik veriler

Kodlama teknikleri

Dizüstü bilgisayar fiyatlarını keşfetme

İki veya daha fazla değişken

İlişki türleri

Pearson korelasyonu

Aykırı değerlere duyarlılık

Keşifsel Veri Analizi

Güven aralıkları, hipotez testleri, çoklu testler ve güç ile örneklem büyüklüğünün rolünü gözden geçirerek deneyler ve testlerle ilgili kritik kavramlara daha derinlemesine dalmaya hazırlan. Ayrıca hata türlerini ve bunların pratikte ne anlama geldiğini de tartışacağız.

Güven aralıkları

El ile güven aralığı

Güven aralıklarını uygulama

Hipotez testi

Tek kuyruklu z-testi

İki kuyruklu t-testi

Güç ve örneklem büyüklüğü

Tip II hataya etki

Örneklem büyüklüğünü hesaplama

İlişkiyi görselleştirme

Çoklu test

Hata oranlarını hesaplama

Bonferroni düzeltmesi

İstatistiksel Deneyler ve Anlamlılık Testleri

Kapanışta, regresyon ve sınıflandırma modelleriyle yakından ilişkili kavramlara değineceğiz. Bölüm, temel Machine Learning algoritmalarını gözden geçirerek başlar ve hızla model değerlendirmeye, özel durumlarla başa çıkmaya ve bias-variance dengesine ilerler.

Regresyon modelleri

Doğrusal regresyon

Lojistik regresyon

Modelleri değerlendirme

Regresyon değerlendirmesi

Sınıflandırma değerlendirmesi

Eksik veriler ve aykırı değerler

Null değerleri ele alma

Aykırı değerleri belirleme

Bias-variance dengesi

Test ve eğitim hatası

Dengelemeyi görselleştirme

Kapanış

Regresyon ve Sınıflandırma

Yeni bir işe girmek ya da keskin kalmak için istatistik mülakat becerilerini geliştirmek mi istiyorsun? Koşullu olasılıklardan A/B testine, bias-variance dengesinden çok daha fazlasına uzanan klasik mülakat kavramlarında ustalaşmaya hazır ol! Web tabanlı deney sonuçları ve Avustralya hava durumu verileri dahil çeşitli veri kümeleriyle çalışacaksın. Bu kursun sonunda, bir sonraki mülakatına özgüvenle girip Python’un desteğiyle herhangi bir istatistik sorusunun üstesinden gelebileceksin!

Hypothesis Testing in Python

Supervised Learning with scikit-learn

Bir sonraki istatistik mülakatına koşullu olasılıklar, A/B testi, yanlılık-varyans dengesi gibi kavramları gözden geçirerek hazırlan.

Python ile İstatistik Mülakat Soruları Pratiği

Koşullu olasılıklar, A/B testi, önyargı-varyans dengesi ve daha fazlası gibi kavramları gözden geçirerek bir sonraki istatistik mülakatına hazırlanın. 

Tip II hataya etki

Python ile İstatistik Mülakat Soruları Pratiği

Uygulamalı etkileşimli egzersiz