Data science usnadňuje ziskové využití petabajtů dat chytrými podniky, finančními institucemi, zdravotnickými středisky a dalšími. A datová věda je poháněna matematickou disciplínou, statistikou. Naučte se tedy statistiky pro datovou vědu, abyste se stali úspěšnými datovými vědci.
Tento článek představuje některé slavné, stručné a výstižné video zdroje a online kurzy, které vám pomohou naučit se statistiky datové vědy bez námahy. Čtěte dále a posuňte se na své cestě za datovou vědou o krok vpřed.
Table of Contents
Proč byste se měli učit statistiku pro datovou vědu?
Webové stránky a aplikace každou sekundu shromažďují obrovské objemy dat. Ale nedávají žádný smysl, dokud neexistuje vzor. Statistiky vám pomohou porozumět nezpracovaným datům nalezením vzoru.
Jakmile vědci získají velké soubory dat, použijí popisnou statistiku k přepisu průzkumů nebo pozorování do něčeho, co poskytuje vhled.
Poté datoví vědci používají odvozené statistiky k analýze malých částí celého souboru dat, aby spojili zjištění se zdrojem datového souboru, jako je populace v zemi.
Proto se musíte naučit statistiku, abyste mohli odpovědět na otázky týkající se datové vědy, jako jsou:
- Životně důležité funkce jakékoli datové sady nebo dat průzkumu
- Způsoby, jak navrhnout strategii vývoje produktu
- Nastavení metrik výkonu a jejich tabulek
- Předvídání očekávaných nebo společných výsledků projektu
- Uchování platných dat a odstranění šumu
Význam statistiky v datové vědě
Čištění dat
Statistiky jsou účinné pro ověření, zda byla data shromážděna podle plánu průzkumu. Statistické metody také pomáhají datovým vědcům eliminovat šum, falšovaná data, irelevantní data a nadbytečná data. Strukturovaná data se tak stanou připravenými jako vstup pro jakýkoli program strojového učení.
Analýza dat
Při analýze dat musíte použít statistické funkce, jako je průměr, medián, režim, rozptyl a rozdělení. Pro prognózování také statistika pomáhá předpovídat konkrétní výsledky z datového modelu.
Statistika je klíčem k pochopení dat, zlepšení datového modelu a k tomu, proč datová sada vygenerovala konkrétní hodnoty.
Klasifikační metody
Logistická regrese je jednou z metod, kterou datoví vědci nadměrně používají. Aplikují tuto statistickou funkci k předpovídání kvalitativních reakcí na základě vzorců pozorovaných v datovém modelu.
Shlukování
Ještě další důležitá statistická funkce pomáhá datovým vědcům segregovat populaci. Například datoví vědci mohou použít shlukování k oddělení různých věkových skupin zákazníků a spouštět cílené reklamy, aby minimalizovali náklady a maximalizovali konverzní poměr.
Nyní níže naleznete některé základní výukové zdroje pro datovou vědu.
Bezplatné kurzy a video zdroje
Níže jsou uvedeny některé bezplatné kurzy, které jsou k dispozici na YouTube. Najdete zde také některé špičkové platformy edTech nabízející bezplatný výukový obsah.
Skvělé učení
Začněte se učit o potřebě statistiky ve vědě o datech sledováním tohoto video kurzu Great Learning YouTube. Video trvá 7 hodin a 12 minut a vysvětluje různé životně důležité funkce statistiky pro datovou vědu.
Vysvětluje například vztah mezi strojovým učením a statistikou, typy datových sad, korelaci, teorii pravděpodobnosti, binomické rozdělení a další.
CrashCourse
CrashCourse Statistics z kanálu YouTube CrashCourse je vynikajícím zdrojem pro aspiranty datové vědy, aby se naučili statistiky. K dispozici je 44 videoobsahu vysvětlujícího všechny statistické funkce výhradně pro datovou vědu a strojové učení.
Musíte sledovat videa v pořadí jejich vzhledu, abyste se naučili lekce organizovaným způsobem. Možná si budete chtít sednout s tužkou a papírem a procvičit si statistické problémy probírané ve videích.
Zdarma Code Camp
Chcete vědět, jak vypadá vysokoškolský kurz statistiky pro datovou vědu? Podívejte se na toto video kurzu statistik kvality na YouTube zpřístupněné organizací Free Code Camp.
Jakmile lekcí pečlivě projdete, naučíte se dovednosti shromažďovat, sumarizovat, organizovat a interpretovat data. Budete také moci uzavírat datové sady koncertů.
Khan Academy
Dalším propracovaným online výukovým obsahem o statistice je toto video YouTube z Khan Academy.
Jde o organizovaný seznam videopřednášek na různá témata statistiky. K dispozici je 67 videopřednášek, které jsou volně přístupné, kolik chcete.
Statistiky od Marin
Marin navštěvuje kanál YouTube MarinStatsLectures-R Programming & Statistics a nabízí vyčerpávající sérii přednášek o statistikách pro datovou vědu.
K dispozici je 50 přednášek, které pokrývají základní statistické funkce, jako jsou návrhy studií, distribuce, Z-skóre atd.
365 Data Science
Toto video 365 Data Science na YouTube o Úvodu do statistiky pokrývá požadované funkce statistik, které jsou potřeba pro datové vědce.
Šikmost, rozptyl, úrovně měření, numerické proměnné atd. jsou některá významná statistická témata, kterými se přednáška bude zabývat.
StatQuest
Naučte se strojové učení tím, že vedle sebe použijete statistické funkce, sledujte tuto bezplatnou přednášku YouTube o ML od StatQuest.
V tomto seznamu videí je 84 videopřednášek. Naučíte se zajímavé statistické funkce, jako je zkreslení, rozptyl, vícenásobná regrese a logistická regrese.
Udacity
Je to chytrý krok začít se učit novou dovednost tím, že si projdete nějaké bezplatné zdroje. Pomůže vám nahlédnout do dovednosti a znát úsilí potřebné k jejímu úspěšnému získání. Chcete-li se naučit statistiku pro datovou vědu, můžete stejným způsobem použít tento kurz Udacity.
Naučíte se požadované statistické funkce pro datovou vědu, jako jsou:
- Pravděpodobnost
- Odhad
- Objevování vztahů v datech
- Regresní analýza
- Odvození
- Normální rozdělení a odlehlé hodnoty
Kurz je otevřený všem. Základní znalosti algebry budou užitečné při plnění cvičných úkolů.
Úvod do bayesovské statistiky: Udemy
Bayesovská statistika je statistická inferenční metoda ke zkoumání pravděpodobnosti hypotézy. Datoví vědci využívají tuto statistickou funkci mnoha způsoby. Celý koncept se můžete naučit zdarma na tomto kurzu Udemy.
Bayesovskou statistiku se naučíte ve 4 stručných částech obsahujících 14 přednášek. Dokončení kurzu zabere přibližně 1 hodinu a 18 minut. Kurz můžete procházet tak často, jak chcete, abyste si zapamatovali a pochopili pojmy.
Úvod do statistiky: Coursera
Jedná se o kurz Stanfordské univerzity vyučovaný fakultou téže univerzity a poskytovaný online prostřednictvím Coursera. Tento bezplatný kurz je také výukovým materiálem pro vlastní tempo, takže můžete měnit termíny podle svého rozvrhu.
Klíčovým obsahem kurzu je:
- Popisná statistika pro průzkum dat
- Sběr a vzorkování dat
- Teorie pravděpodobnosti
- Binomické rozdělení
- Regresní analýza
Dokončení všech lekcí zabere asi 15 hodin. Nakonec získáte certifikát za úspěšné absolvování.
Statistika a pravděpodobnost: Khan Academy
Chcete se zdarma naučit statistiku a pravděpodobnost pro datovou vědu? Musíte vyzkoušet tento gamifikovaný výukový obsah z Khan Academy. Obsah kurzu zahrnuje základy pravděpodobnosti a statistiky pro datovou vědu.
V tomto obsahu je 16 lekcí. Na závěr vás čeká výzva k otestování vašich dovedností a znalostí z vyučovaných lekcí. Kurz dále poskytuje lekce prostřednictvím video přednášek. Jedná se tedy o kurz s vlastním tempem vhodný pro profesionály na pracovišti.
Statistiky pro datovou vědu s Pythonem: Coursera
Tento kurz Coursera zpřístupnila IBM. Jedná se o vysoce objektivní kurz, který vás naučí základní principy statistiky pro datovou vědu. Pozoruhodná témata kurzu jsou:
- Sběr dat
- Popisná statistika pro sumarizaci dat
- Vizualizace a zobrazování dat
- Rozdělení pravděpodobnosti
- testování hypotéz
- Analýza rozptylu nebo ANOVA
- Korelační a regresní analýza
Předpokládaná doba ukončení kurzu je 14 hodin. Nedělejte si starosti, pokud jste pracující profesionál, protože jde o kompletní online kurz, který si můžete sami projít.
Specializace Matematika pro strojové učení: Coursera
Matematika je neoddělitelná od strojového učení, umělé inteligence a datové vědy. Přihlášením do tohoto kurzu Coursera se můžete naučit přesně to, co potřebujete, abyste se stali úspěšným profesionálem ve výše uvedených oblastech.
Imperial College of London nabízí tento kurz prostřednictvím Coursera, přední platformy online kurzů. Jedná se o 3 výcvikový kurz vedený čtyřmi zkušenými instruktory. Při 4 hodinách týdně můžete školení absolvovat za 4 měsíce.
Placené online kurzy
Pokud také hledáte vyčerpávající výukový obsah pokrývající celou disciplínu, zde jsou některé placené výukové zdroje pro vás:
Statistika a matematika pro datovou vědu a analýza dat: Udemy
Pokud se chcete naučit teorii pravděpodobnosti a statistiku pro aplikaci obchodních analýz a funkcí datové vědy, musíte se podívat na tento kurz Udemy. Některé pozoruhodné lekce jsou:
- Střední kvadratická odchylka (RMSE)
- Střední absolutní chyba (MAE)
- Testování hypotéz
- Testování významnosti nulové hypotézy nebo p-hodnoty
- Chyba typu I a typu II
- Deskriptivní statistika
- Teorie pravděpodobnosti
- Vícenásobná lineární regrese
Jedná se o online školicí kurz s 91 přednáškami v devíti sekcích. Předpokládaná délka obsahu kurzu je 11 hodin a 24 minut.
Staňte se mistrem pravděpodobnosti a statistiky: Udemy
Učit se teorie nestačí. Musíte si procvičit vzorové problémy a otázky, abyste otestovali svou sebedůvěru. Proto se můžete podívat na tento kurz Udemy, kde získáte nápady i vzorové otázky. Některá z klíčových témat kurzu jsou:
- Základní nástroje pro vizualizaci dat, jako jsou koláčové grafy, sloupcové grafy, Vennovy diagramy, bodové grafy, histogramy a další
- Statistické rozdělení dat pomocí Z-skóre, směrodatné odchylky, normálního rozdělení, rozptylu a průměru
- Regresní analýza
- Vzorkování dat
- Testování hypotéz
Kurz se skládá z 10 sekcí a 141 přednáškových videí. Na konci každé části je také cvičný test. Na konci celkového kurzu je závěrečná zkouška.
Základy statistiky v Pythonu: DataCamp
Python je životně důležitý programovací jazyk pro datovou vědu. Proto se musíte naučit, jak implementovat statistiky pomocí kódování Python. Tato dovednostní trať DataCamp vám může pomoci naučit se statistiky z pohledu Pythonu. Úžasný obsah kurzu:
- Souhrnná statistika a pravděpodobnost
- Statistické modely jako logistika a lineární regrese
- Techniky vzorkování dat
- Udělejte závěr z rozsáhlého souboru dat provedením testu hypotéz
Celá dovednostní dráha se skládá z 5 kurzů. Každý kurz trvá 4 hodiny. Dokončit dovednostní dráhu by tedy trvalo 20 hodin.
Základy statistiky s R: DataCamp
Další dovednostní dráha z DataCamp vám pomůže naučit se statistiky pro datovou vědu pomocí jazyka R. R je nejoblíbenější programovací jazyk pro grafiku vizualizace dat a statistické výpočty. Klíčová témata tras dovedností jsou:
- Úvod do statistiky v R
- Úvod do regresní analýzy v R
- Vzorkování dat v R
- Střední regrese v R
- Testování hypotéz v R
Každý z 5 kurzů této dovednosti trvá 4 hodiny a celkový čas dokončení je 20.
Knihy z Amazonu
Základní matematika pro datovou vědu: Amazon
Tato kniha je vynikajícím zdrojem pro nalezení všech požadovaných matematických témat, jako je lineární algebra, počet, pravděpodobnost a nemluvě o statistice. Kniha vysvětluje a ukazuje použití neuronových sítí, lineární regrese a logistické regrese v projektech datové vědy.
Naučíte se také odvodit statistickou významnost a interpretovat p-hodnoty z rozsáhlého souboru dat pomocí testování hypotéz a popisné statistiky. Kniha je k dispozici jako e-kniha pro zařízení Kindle a brožovaná pro ty, kteří mají rádi fyzické knihy.
Praktické statistiky pro datové vědce: Amazon
Naučte se praktické statistiky pro datovou vědu a její implementaci pomocí Pythonu a programovacího jazyka R bez námahy z této knihy Amazon. Autor výslovně popisuje, která část statistik je pro datové vědce nezbytná a která ne.
Kniha pokryje klíčové statistické funkce, jako je náhodné vzorkování, regresní analýza, klasifikační techniky a metody strojového učení. Tuto šikovnou knihu můžete vlastnit jako brožovanou kopii, spirálově vázanou kopii nebo digitální kopii pro Kindle.
Nahé statistiky: Amazon
Tato kniha vás naučí nepostradatelné nástroje statistiky pro datovou vědu. Získáte stručné a snadno srozumitelné objasnění statistických pojmů, jako je regresní analýza, korelace, odvození a další.
Díky studiu a pochopení různých potřeb studentů Amazon zpřístupnil tuto knihu ve formátech jako Kindle, vázaná kniha, kompaktní disk MP3, brožovaná vazba a audiokniha.
Závěr
Pokud jste střední nebo expertní datový vědec, již víte, jak důležitá je statistika pro datovou vědu. Čerství absolventi se to mohou naučit, jak je uvedeno výše v tomto článku.
Vědět, které lekce statistiky jsou vyžadovány pro datovou vědu, budete investovat spoustu měsíců do učení celé statistiky. Tyto cenné znalosti můžete najít prozkoumáním některého nebo všech výše uvedených zdrojů, abyste se stali datovými vědci.
Také by vás mohlo zajímat posilování pro vaše modely ML.