Grundkurs i matematik och statistik - eLearning
4.950,00 SEK
- 3 hours
Bygg ett starkt analytiskt tänkesätt med utbildningen Maths & Statistics Foundation Training, utformad för att göra grundläggande matematiska och statistiska begrepp enklare att förstå och använda i praktiken. Den här kursen hjälper dig att bli trygg i att arbeta med data genom att du behärskar centrala områden som deskriptiv statistik, sannolikhet, fördelningar och grundläggande matematiska metoder som används inom analys och datadrivet beslutsfattande.
Viktiga funktioner
Språk
Kurs och material på engelska
Nivå
Nybörjar- till mellannivå
Åtkomst
1 års tillgång till utbildningsplattformen
3 timmar med videor på begäran
med mer än 10 timmars rekommenderad studietid
18 guidade praktiska övningar
4 automatisk rättade prov
33 repetitionsquiz
1 Omfattande uppgifter
Certifikat
Intyg om genomförd utbildning ingår
Lärandemål
I slutet av den här kursen kommer du att kunna förstå:
Grundläggande
Börja med grundläggande begrepp som medelvärde, median och typvärde, och undersök hur skalning och förskjutning påverkar data.
Regression
Få en förståelse för regressionsanalys och begreppet Root Mean Square Error (RMSE).
Data science
Upptäck hur matematik och statistik används inom data science, maskininlärning och business intelligence.
ANOVA
Få en introduktion till variansanalys (ANOVA) och dess praktiska tillämpningar.
Hypotes
Lär dig principerna för hypotesprövning, inklusive t-test och t-fördelning.
Kursöversikt
Deskriptiv statistik
Lektion 01
- Medelvärde, median, typvärde
- Medelvärde vs median
- Skevhet
- Övning i skevhet
- Lösning för skevhet
- Variationsbredd och kvartilavstånd
- Stickprov vs Population
- Varians och standardavvikelse
- Effekten av skalning och förskjutning
- Statistiska moment
Distribution
Lektion 02
- Vad är en fördelning?
- Normalfördelning
- Z-poäng
- Övning – normalfördelning
- Lösning – Normalfördelning
Sannolikhetsteori
Lektion 03
- Sannolikhetens grunder och grundläggande begrepp
- Additions- och multiplikationsregler med övningar och lösningar
- Bayes sats och tillämpade exempel
- Förväntat värde med övningsuppgifter
- Stora talens lag
- Centrala gränsvärdessatsen (teori, intuition, utmaningar och övningar)
- Binomial- och Poissonfördelningar
- Sannolikhet i verkliga livet
Hypotesprövning
Lektion 04
- Introduktion till hypotesprövning och dess roll inom datavetenskap
- Förstå hypoteser, signifikansnivå och p-värden
- Typ I- och typ II-fel
- Konfidensintervall och felmarginal
- Stickprovsstorlek och statistisk styrka
- Steg för att utföra hypotesprövning
- Övningsuppgift och lösning
- T-test och t-fördelning
- Proportionstest
- Nyckelrelationer mellan P–Z-värden
Regression
Lektion 05
- Introduktion till regressionsanalys
- Linjär regression och korrelationskoefficient
- Övningar och lösningar om korrelation och regression
- Residualer, MSE och MAE med övningsuppgifter
- Determinationskoefficient (R²)
- Root Mean Square Error (RMSE) med övningar och lösningar
- Begrepp inom multipel linjär regression
Avancerad regression och ML-algoritm
Lektion 06
- Multipel linjär regression
- Polynom- och logistisk regression
- Beslutsträd och regressionsträd
- Slumpmässiga skogar
- Överanpassning och problem med modellprestanda
- Strategier för att hantera saknade data och implementera de tvärgående aspekterna i din applikation eller ditt program.
- implementera aspektorientering för att undvika tvärgående bekymmer
ANOVA
Lektion 07
- Grunderna i ANOVA och viktiga antaganden
- Envägs-ANOVA
- F-fördelning
- Tvåvägs ANOVA (kvadratsummor)
- F-kvot och tolkning av resultat
Vem bör anmäla sig till det här programmet?
Blivande data scientists och dataanalytiker
Mjukvaruingenjörer som går över till data- och AI-roller
Affärs- och finansproffs som arbetar med data
Alla som vill förbättra sin förmåga att tolka data och sitt kvantitativa tänkande
Förutsättningar
Ingen avancerad matematisk bakgrund krävs. Däremot kommer deltagare att ha nytta av:
- Grundläggande matematik på gymnasienivå (algebra och aritmetik)
- Vana vid vardagliga datakoncept (diagram, medelvärden, procenttal)
- Grundläggande datorvana
- Ingen tidigare erfarenhet av statistik, programmering eller data science behövs.
Uttalanden
Licensiering och ackreditering
Denna kurs erbjuds i enlighet med Partnerprogramavtalet och uppfyller kraven i licensavtalet
Likabehandlingspolicy
Kandidater uppmuntras att kontakta AVC för vägledning och stöd under hela processen för att ordna anpassningar.
Vanliga frågor
Behöver du företagslösningar eller LMS-integration?
Hittade du inte kursen eller programmet som skulle passa för ditt företag? Behöver du LMS-integration? Skriv till oss! Vi löser det!