大数据Python统计与数据分析实战
一. 课程介绍本课程结合Python进行统计与数据分析的原理讲解与实战，涵盖了大部分统计&数据分析模型，特别是当前比较主流的算法：参数估计、假设检验、线性回归、广义线性回归、Lasso、岭回归、广义可加模型、回归样条等；机器学习经常用到的主成分分析、因子分析、典型相关分析、聚类分析等；各种非参数统计模型，包括非参数统计推断、尺度推断、位置推断、非参数核密度估计、非参数回归等。本课程主要针对有一定Python编程基础、即将毕业参加工作的的大三大四学生，或者已经参加工作需要提升自己数据分析能力以及转行从事IT行业尤其是数据&大数据分析工作的初入职场者，或者正在攻读硕博士学位需要学习和掌握量化研究方法的研究生。本课程对于即将从事机器学习、深度学习&人工智能相关工作的程序员也有很大帮助，有利于打好坚实的理论基础。二. 课程目录第0章 课程导学第1章 数据描述性分析1.1 描述统计量1.2 数据的分布1.3 概率分布函数的图形1.4 直方图、经验分布函数与QQ图1.5 多元数据的数据特征与相关性分析1.6 多元数据的基本图形表示第2章 参数估计2.1 点估计2.2 区间估计第3章 假设检验3.1 基本原理3.2 参数检验第4章 回归分析4.1 回归分析的概念与一元线性回归4.2 多元线性回归及统计量解析4.3 逐步回归与模型选择4.4 回归诊断4.5 广义线性回归4.6 非线性回归第5章 方差分析5.1 单因素方差分析5.2 双因素方差分析第6章 判别分析与聚类分析6.1 判别分析6.2 聚类分析第7章 主成分分析、因子分析与典型相关分析7.1 主成分分析7.2 因子分析7.3 典型相关分析第8章 非参数统计8.1 经验分布和分布探索8.2 单样本非参数统计推断8.3 两独立样本的位置与尺度判断8.4 多组数据位置推断8.5 分类数据的关联分析8.6 秩相关与分位数回归8.7 非参数密度估计8.8 一元非参数回归三. 讲师简介主讲人李进华博士，本、硕、博皆就读于武汉大学信息管理学院，2005年获博士学位进入211高校任教，2012年受聘为教授。从事信息管理与数据分析方面的教学、科研与系统开发工作20余年，具备深厚理论修养和丰富实战经验。是中国最早从事Java开发的程序员和Oracle数据库的DBA之一。曾带领团队开发《葛洲坝集团三峡工程指挥中心三期工程施工管理系统》、《湖北省财政厅国有企事业单位资产管理系统》等大型MIS。
共150节 3050人已学习¥6888.0 免费试学
Python多元线性回归模型的参数与统计量深度解读-基于Python编程复现
本课程为基于Python的数据分析和统计建模高级课程，针对多元线性回归模型的各种参数和统计量，通过Python代码手工复现，在代码复现的过程中结合数学公式和原理进行深入解读。这些统计量包括：回归系数参数估计、决定系数R方及调整后R方、F统计量以及F检验、对数似然、AIC、BIC、回归系数标准差和显著性t检验、回归系数置信区间、峰度与偏度、Jarque-Bera检验、Omnibus检验、Durbin-Watson检验、条件数、方差膨胀系数以及补充知识。
共10节 1169人已学习¥58.0 免费试学
- 1
李进华
总经理
本、硕、博皆毕业于武汉大学信息管理学院情报学专业，2005年进入211大学工作，2012年受聘为教授，2018年创办武汉丁香智慧数据科技有限公司，从事大数据分析、深度学习、人工智能、智慧城市、智慧教育等领域的培训与产品研发。本科毕业后，参与或带领团队开发多项商业应用系统；进入高校工作后，传授课程集中于IT相关课程。
课程数 2 学生数 4219