رگرسیون خطی و رگرسیون لجستیک با R Studio

آنچه یاد خواهید گرفت:

• یادگیری نحوه حل مسائل واقعی با بهره‌گیری از تکنیک‌های رگرسیون خطی و لجستیک
• بررسی اولیه داده‌ها با تحلیل یگانه و دوتایی پیش از اجرای تحلیل رگرسیون
• نمایش گرافیکی داده‌ها در R قبل و بعد از تحلیل
• آموزش انجام عملیات آماری پایه در R
• درک نحوه تفسیر نتایج مدل‌های رگرسیون خطی و لجستیک و تبدیل آن‌ها به بینش‌های قابل اجرا
• بالا بردن دانش عمیق درباره جمع‌آوری داده‌ها و پیش‌پردازش داده‌ها برای مسائل رگرسیون خطی و لجستیک

پیش نیازهای دوره

• این دوره از اصول پایه شروع می‌کند و نیاز به پیش‌زمینه برنامه‌نویسی برای ساخت این مدل‌ها در R Studio ندارید.
• دانش‌آموزان باید نرم‌افزار R و R Studio را نصب کنند.

توضیحات دوره

به دنبال یک دوره کامل رگرسیون خطی و لجستیک هستید که همه موارد لازم برای ایجاد یک مدل رگرسیون خطی یا لجستیک در R Studio را به شما آموزش دهد، درست است؟

درست همان دوره رگرسیون خطی را پیدا کرده‌اید!

پس از اتمام این دوره توانایی‌های زیر را بدست می آورید:

• شناسایی مسائلی در کسب‌وکار که با استفاده از تکنیک‌های رگرسیون خطی و لجستیک ماشین‌آلات حل می‌شوند
• ایجاد مدل‌های رگرسیون خطی و لجستیک در R Studio و تحلیل نتایج آن‌ها
• تمرین، بحث و درک مفاهیم یادگیری ماشین با اطمینان

این دوره چه کمکی به شما می‌کند؟

اگر مدیر کسب‌وکار، کارمند اجرایی یا دانش‌آموزی هستید که می‌خواهید یاد بگیرید و در مسائل واقعی کسب‌وکار از یادگیری ماشین بهره‌مند شوید، این دوره پایه محکم برای شما فراهم می‌کند و پرورش تکنیک پرکاربرد ماشین‌آلات، یعنی رگرسیون خطی، را آموزش می‌دهد.

چرا باید این دوره را انتخاب کنید؟

این دوره تمامی مراحل حل مسئله کسب‌وکار با استفاده از رگرسیون خطی را پوشش می‌دهد.

اکثر دوره‌ها فقط روی اجرا و تحلیل تمرکز می‌کنند، اما ما معتقدیم آنچه قبل و بعد از تحلیل رخ می‌دهد، اهمیت بیشتری دارد. قبل از تحلیل، داشتن داده‌های صحیح و پیش‌پردازش مناسب بسیار مهم است و پس از تحلیل، باید بتوانید کیفیت مدل خود را ارزیابی کنید و نتایج را به نحوی تفسیر کنید که به کسب‌وکار کمک کند.

مباحث این دوره چیست؟

این دوره تمامی مراحل ساخت مدل رگرسیون خطی، پرکاربردترین مدل یادگیری ماشین، برای حل مشکلات کسب‌وکار را آموزش می‌دهد.

در ادامه، محتوای دوره در مورد رگرسیون خطی آورده شده است:

• بخش 1 - مبانی آمار

  این بخش به پنج قسمت مختلف تقسیم شده است، که شروع آن با انواع داده‌ها، سپس انواع آمار، بعد نمایش‌های گرافیکی داده‌ها، و سپس مفاهیمی مانند میانگین، میانگین حسابی، مد، و در نهایت شاخص‌های اندازه‌گیری پراکندگی مانند دامنه و انحراف معیار می‌شود.

• بخش 2۲ - مبانی پایتون

  این بخش شروع کار با پایتون است. شما راه‌اندازی محیط پایتون و Jupyter را یاد می‌گیرید و نحوه انجام عملیات پایه‌ای در پایتون را می‌آموزید. اهمیت کتابخانه‌هایی مانند Numpy ،Pandas و Seaborn را درک می‌کنید.

• بخش 3 - مقدمه‌ای بر یادگیری ماشین

  در این بخش، مفهوم یادگیری ماشین، اصطلاحات مرتبط و مراحل ساخت مدل‌های یادگیری ماشین، شامل مدل‌های خطی و غیر خطی، آموزش داده می‌شود. چند مثال برای بهتر فهمیدن ارائه خواهد شد.

• بخش 4 - پیش‌پردازش داده‌ها

  در این بخش، اقداماتی که باید مرحله به مرحله انجام دهید تا داده‌ها را جمع‌آوری و آماده کنید، آموزش داده می‌شود. این گام‌ها بسیار حیاتی هستند. ابتدا اهمیت دانش کسب‌وکار بررسی می‌شود و سپس به کاوش داده، تحلیل یگانه و دوتایی، و موضوعاتی مانند برطرف کردن داده‌های دیده‌نشده، پر کردن مقادیر گمشده، تبدیل متغیرها و همبستگی پرداخته می‌شود.

• بخش 5 - مدل‌های رگرسیون

  در این بخش، از رگرسیون خطی ساده شروع می‌شود و سپس چندمتغیره شدن آن آموزش داده می‌شود. مبانی فنی هر مفهوم به زبان ساده توضیح داده شده است تا درک منشا هر مفهوم و اهمیت آن مشخص شود. حتی اگر مفهوم را کامل درک نکنید، مهم است با نحوه اجرا و تفسیر نتایج آشنا شوید. همچنین، نحوه ارزیابی دقت مدل، کاربرد آمار F، تفسیر متغیرهای دسته‌ای در نتایج، گزینه‌های جایگزین در روش کمترین مربعات معمولی و نحوه تفسیر نتایج برای حل مسئله‌های کسب‌وکار بررسی می‌شود.

پایان دوره، اعتماد به نفس شما در ساخت مدل‌های رگرسیون در پایتون به شدت افزایش می‌یابد و آگاهی کامل پیدا می‌کنید که چطور از مدل‌های رگرسیونی برای پیش‌بینی و حل مسائل کسب‌وکار بهره ببرید.

این دوره برای چه کسانی مناسب است؟

• افرادی که به دنبال شغلی در حوزه علم داده هستند.
• متخصصان شاغل که سفر داده خود را آغاز کرده‌اند.
• آمارشناسانی که به تجربه عملی بیشتری نیاز دارند.
• هر کسی که کنجکاو است در مدت زمان کوتاهی بر رگرسیون خطی و لجستیک از سطح مبتدی تا پیشرفته مسلط شود.