Учебная программа Microsoft для начинающих: 10 недель, 20 уроков по основам data science с Python, тестами и проектами.
AllenDowney/ThinkStats
Jupyter-ноутбуки, данные и дополнительные материалы к третьему изданию учебника по статистике Think Stats на Python и pandas.
- Звёзды
- 1,284
- Форки
- 204
- Открытые issues
- 0
- Последний коммит
- 6 дней назад
Что это?
ThinkStats — репозиторий с материалами к третьему изданию Think Stats, вводной книге по статистике, которая знакомит с теорией вероятностей и статистикой на практических примерах кода на Python. Здесь собраны ноутбуки, файлы данных из книги, а также дополнительные примеры и иллюстрации.
Ноутбуки доступны в двух вариантах: без решений — для самостоятельного выполнения упражнений, и с решениями, которые служат исходными файлами. Книга также опубликована онлайн в формате HTML, созданном с помощью Jupyter Book: читатели могут просматривать и запускать ноутбуки в браузере. ZIP-архивы с обоими наборами ноутбуков можно скачать, не клонируя репозиторий.
В репозитории также есть руководство по анализу временных рядов, Makefile и файлы requirements для настройки среды Conda, в которой можно работать с материалами.
Ключевые возможности
- 01Ноутбуки к третьему изданию Think Stats — с решениями и без них
- 02Файлы данных, используемые в книге, хранятся непосредственно в Git
- 03Версия книги в формате HTML для просмотра онлайн, созданная с помощью Jupyter Book
- 04Дополнительные примеры, иллюстрации и руководство по анализу временных рядов
- 05Настройка Conda с помощью Makefile и файлов requirements
Сценарии использования
- Изучать статистику на практике, выполняя упражнения в Python-ноутбуках параллельно с чтением книги
- Проверять решения упражнений из курса Think Stats
- Изучать анализ временных рядов по включённому в репозиторий руководству
- Преподавать вводный курс статистики на примерах с pandas
Быстрый старт
- 1
Откройте книгу онлайн и запустите ноутбуки в браузере
- 2
Установите пакеты, необходимые для запуска ноутбуков
pip install -r requirements.txt - 3
Или скачайте ноутбуки в виде zip-файла, не клонируя репозиторий
Что важно знать
- В инструкциях по настройке в README используется среда Conda через Makefile, поэтому настройка может потребовать дополнительных усилий.
Темы
Частые вопросы
- Что такое ThinkStats?
- Jupyter-ноутбуки, данные и дополнительные материалы к третьему изданию учебника по статистике Think Stats на Python и pandas. ThinkStats — репозиторий с материалами к третьему изданию Think Stats, вводной книге по статистике, которая знакомит с теорией вероятностей и статистикой на практических примерах кода на Python. Здесь собраны ноутбуки, файлы данных из книги, а также дополнительные примеры и иллюстрации.
- ThinkStats можно использовать бесплатно? Какая у него лицензия?
- ThinkStats распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- ThinkStats всё ещё поддерживается?
- Активно поддерживается. Последний коммит в ThinkStats — 15 окт. 2026 г..
- Для чего можно использовать ThinkStats?
- Изучать статистику на практике, выполняя упражнения в Python-ноутбуках параллельно с чтением книги Проверять решения упражнений из курса Think Stats Изучать анализ временных рядов по включённому в репозиторий руководству Преподавать вводный курс статистики на примерах с pandas
- Как установить ThinkStats?
- Откройте книгу онлайн и запустите ноутбуки в браузере Установите пакеты, необходимые для запуска ноутбуков: pip install -r requirements.txt Или скачайте ноутбуки в виде zip-файла, не клонируя репозиторий
- Где скачать ThinkStats?
- Исходный код и инструкции по установке — на GitHub: https://github.com/AllenDowney/ThinkStats
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Пошаговый курс по Python на 30 дней: от основ языка до веб-приложений, API и инструментов для работы с данными.
Библиотека машинного обучения для Python на базе SciPy и NumPy: классификация, регрессия, кластеризация и выбор моделей; лицензия BSD.
12-недельный курс для начинающих по классическому машинному обучению: 26 уроков, Python и R, тесты и задания на основе Scikit-learn.
Подборка примеров в Jupyter Notebook и руководств по выполнению типовых задач с помощью OpenAI API.
Keras 3 — фреймворк для глубокого обучения, работающий на JAX, TensorFlow, PyTorch или OpenVINO для инференса.