Лекция 4. Метод к-средних. Проверка гипотез


Метод к-средних. Датчики случайных чисел, зерно датчика. Визуализация алгоритма метода к-средних. Методы определения числа кластеров. Библиотека NbClust. Каменистая осыпь/локоть. Многомерное шкалирование для визуализации кластеров.

Проверка статистических гипотез. Гипотезы согласия, однородности, независимости, гипотзы о параметрах распределения.

Лекция №4 в курсе «Анализ данных на R в примерах и задачах» (весна 2016).
Преподаватель курса: Вадим Леонардович Аббакумов
Страница лекции на сайте CS центра: goo.gl/s5XUcm
Ссылка на все лекции курса: goo.gl/1VmEdf

Алгоритмы на Python 3. Лекция №1


Практика: judge.mipt.ru/mipt_cs_on_python3/
Telegram-группа: t.me/tkhirianov_mipt_cs_on_python3
Спонсировать: www.patreon.com/tkhirianov или www.paypal.me/tkhirianov

курс: Информатика. Алгоритмы и структуры данных на Python 3.
лектор: Хирьянов Тимофей Фёдорович
прочитана 05.09.2017

Темы, рассмотренные на лекции №1:
— Что есть «информатика» и что понимает под этим лектор
— Что значит «уметь программировать»
— Hello, World!
— Концепция присваивания в Python
— Обмен двух переменных значениями через одну временную и две временные переменные.
— Множественное присваивание в кортежи переменных.
— Обмен значений.
— Арифметические операции. Возведение в степень, деление нацело.
— Цикл while. Инструкции управления циклом.
— Вложенный цикл while
— Условный оператор if
— Цикл for и его особенности в Python.
— Функция range()
— Оператор continue

Открытая лекция для студентов медицинских вузов


Преподаватели Академии анализа данных StatSoft на реальных примерах продемонстрировали основные методы, необходимые для грамотного проведения медицинского исследования, написания научных публикаций в тематические журналы, а также для статистической проверки квалификационных работ…

Как анализировать данные с Python библиотеками Pandas и Numpy [GeekBrains]


Начни карьеру с бесплатного курса «Основы программирования» goo.gl/jTP4nP

Анализ данных с Python библиотеками Pandas и Numpy.

Подписывайся на наш канал и смотри новые видео первым: www.youtube.com/progliveru

Проходи бесплатные курсы: goo.gl/4gG8TL
Выбери профессию: goo.gl/WSdYSE
Смотри вебинары: goo.gl/bBVKcb
Читай статьи: goo.gl/XfJNqc
Проверяй знания: goo.gl/gqKSsw

ВКонтакте vk.com/geekbrainsru
Facebook www.facebook.com/geekbrains.ru
Одноклассники ok.ru/geekbrains
Telegram t.me/geekbrains_ru
Instagram www.instagram.com/geekbrains.ru/

#программированиеpython #обучениеpython #вебинарpython #курсыpython #pythonонлайн #pythonбиблиотеки #geekbrains #программирование #курсыпрограммирования

Введение в машинное обучение | Григорий Сапунов (Intento)


Летняя школа по биоинформатике: bioinformaticsinstitute.ru/summer2017

Краткое введение в основы машинного обучения. Терминология, виды задач, решаемых машинным обучением. Этапы процесса машинного обучения, виды моделей и метрики качества.

Институт биоинформатики: bioinf.me

Анализ нормальности распределения STATISTICA #2 | СТАТИСТИКА STATISTICA


Анализ нормальности распределения STATISTICA. Как провести анализ нормальности распределения данных в программе STATISTICA. Содержание: нормальное распределение, график кривой Гаусса, асимметрия, эксцесс, стандартная ошибка асимметрии, стандартная ошибка эксцесса, частотные гистограммы, ящичные диаграммы, нормально-вероятностные графики, критерий Колмогорова-Смирнова, критерий Шапиро-Уилка в Статистике.

СТАТИСТИКА STATISTICA

Основы статистики. Анатолий Карпов. Институт биоинформатики. Часть 1


1. Введение
1.1 Общая информация о курсе
1.2 Генеральная совокупность и выборка
1.3 Типы переменных. Количественные и номинативные переменные
1.4 Меры центральной тенденции
1.5 Меры изменчивости
1.6 Квартили распределения и график box-plot
1.7 Нормальное распределение
1.8 Центральная предельная теорема
1.9 Доверительные интервалы для среднего
1.10 Идея статистического вывода, p-уровень значимости

stepic.org/course/Основы-статистики-76/
Основы статистики. Часть 1 youtu.be/ksdrNa_g11M
Основы статистики. Часть 2 youtu.be/9jL5JifQ1WI
Основы статистики. Часть 3 youtu.be/XEjIPrV-w84
________________________

Анатолий Карпов — выпускник факультета психологии СПбГУ, научный сотрудник, аспирант кафедры общей психологии СПбГУ. Занимается экспериментальными исследованиями в области когнитивной психологии. Преподает курс математической статистики для биологов в Институте биоинформатики.

Курс вводный и рассчитан на слушателей, не обладающих специализированными знаниями в области математики. Он подойдет как тем, кто только начинают познавать тонкости математической статистики, так и тем, у кого уже есть некоторый опыт обработки и анализа данных.

В рамках курса рассматриваются подходы к описанию получаемых в исследованиях данных, основные методы и принципы статистического анализа, интерпретация и визуализация получаемых результатов. Слушатели познакомятся с такими методами статистического анализа как дисперсионный, регрессионный и кластерный анализ. Мы научимся сравнивать группы между собой, рассчитывать коэффициенты корреляции и строить регрессионные уравнения.
Основной акцент делается на математических идеях, интуиции и логике, которые обуславливают методы и расчетные формулы. Изученный материал будет применим для решения широкого круга задач, возникающих в рамках исследовательской работы практически любого направления.

Курс подготовлен на базе программы Института биоинформатики.

Что питонист может сделать с открытыми данными


Опираясь на концепцию открытых данных, государство делится с гражданами информацией. В России концепцией начали пользоваться в 2013 году, и до недавнего времени она оставалась малоизвестной, хотя в мире давно популярна. Елена расскажет, почему Python и открытые данные тесно связаны друг с другом и какие интересные задачи ждут питонистов в этой области. А также будет немного инсайда о том, какие открытые данные создают наши государственные органы и как в этом можно поучаствовать.

Елена Никитина @ Moscow Python Meetup 36
Слайды: www.moscowpython.ru/meetup/36/open-data/