تحلیل رگرسیون خطی کامل در پایتون

در این دوره با رگرسیون خطی در پایتون، رگرسیون ساده، رگرسیون چندگانه، رگرسیون ریج، لسو و انتخاب زیرمجموعه آشنا می شوید.

آنچه یاد خواهید گرفت

• یاد می گیرید چگونه مسائل واقعی را با استفاده از تکنیک رگرسیون خطی حل کنید.
• تحلیل اولیه داده با استفاده از تحلیل تک متغیره و دو متغیره قبل از اجرای رگرسیون خطی
• پیش بینی نتایج آینده بر اساس داده گذشته با پیاده سازی ساده ترین الگوریتم یادگیری ماشین
• درک می کنید که چگونه نتایج مدل رگرسیون خطی را تفسیر کرده و آن ها را به بینش عملی تبدیل کنید.
• آشنایی با مبانی آمار و مفاهیم یادگیری ماشین
• دانش عمیق جمع آوری داده و پیش پردازش داده برای مسئله رگرسیون خطی یادگیری ماشین
• یادگیری تغییرات پیشرفته متد OLS رگرسیون خطی
• این دوره شامل یک پروژه DIY تمام عیار برای پیاده سازی آموخته های شما از دروس است.
• چگونه مسئله کسب و کار را به مسئله رگرسیون خطی یادگیری ماشین تبدیل کنیم؟
• آمار اولیه با استفاده از کتابخانه Numpy در پایتون
• نمایش داده با استفاده از کتابخانه Seaborn در پایتون
• تکنیک رگرسیون خطی یادگیری ماشین با استفاده از کتابخانه‌های Scikit Learn و Statsmodel پایتون

پیش نیازهای دوره

• دانشجویان باید نرم‌ افزار پایتون و آناکوندا را نصب کنند، اما ما یک درس جداگانه برای کمک به شما در نصب آن ها داریم.

توضیحات دوره

شما به دنبال یک دوره کامل رگرسیون خطی هستید که هر آنچه را که برای ایجاد مدل رگرسیون خطی در پایتون نیاز دارید را به شما آموزش دهد، درست است؟

شما دوره مناسب رگرسیون خطی را پیدا کرده اید.

پس از اتمام دوره قادر به درک موارد زیر خواهید بود:

• شناسایی مشکل کسب و کار که می تواند با استفاده از تکنیک رگرسیون خطی یادگیری ماشین حل شود.
• مدل رگرسیون خطی در پایتون ایجاد و نتایج آن را تحلیل می کنید.
• مفاهیم یادگیری ماشین را با اطمینان تمرین، بحث و درک می کنید.

این دوره چگونه به شما کمک خواهد کرد؟

اگر مدیر کسب و کار یا مدیر اجرایی هستید یا دانشجویی هستید که می خواهید یادگیری ماشین را در مسائل واقعی کسب و کار بیاموزید و به کار ببرید، این دوره با آموزش محبوب ترین تکنیک یادگیری ماشین که رگرسیون خطی است به شما پایه محکمی ارائه می دهد.

چرا باید این دوره را انتخاب کنید؟

این دوره تمام مراحلی را که فرد باید در حین حل مشکل کسب و کار از طریق رگرسیون خطی انجام دهد را پوشش می دهد.

بیشتر دوره ها فقط بر آموزش نحوه اجرای تحلیل تمرکز دارند، اما ما معتقدیم که آنچه قبل و بعد از اجرای تحلیل اتفاق می افتد بسیار مهمتر است، یعنی قبل از اجرای تحلیل بسیار مهم است که داده مناسب را داشته باشید و مقداری پیش پردازش روی آن انجام دهید. و پس از اجرای تحلیل، باید بتوانید قضاوت کنید که مدل شما چقدر خوب است و نتایج را تفسیر کنید تا واقعا بتوانید به کسب و کار خود کمک کنید.

این دوره شامل چه مواردی می شود؟

این دوره به شما تمام مراحل ایجاد مدل رگرسیون خطی را که محبوب ترین مدل یادگیری ماشین است برای حل مشکلات کسب و کار به شما آموزش می دهد.

محتوای دوره درباره رگرسیون خطی :

بخش 1 - مبانی آمار

این بخش به پنج درس مختلف تقسیم شده که از انواع داده و سپس انواع آمار شروع می شود.

سپس نمایش های گرافیکی برای توصیف داده و سپس درسی درباره معیارهای مرکزی مانند میانگین، میانه و مد و در نهایت اندازه گیری های پراکندگی مانند محدوده و انحراف معیار را نشان می دهد.

بخش 2 - مبانی پایتون

این بخش شما را با پایتون آشنا می کند.

این بخش به شما کمک می کند تا محیط پایتون و Jupyter را روی سیستم خود راه اندازی کنید و به شما آموزش می دهد چگونه برخی از عملیات های اولیه را در پایتون انجام دهید. ما اهمیت کتابخانه های مختلف مانند Numpy ،Pandas و Seaborn را درک خواهیم کرد.

بخش 3 - آشنایی با یادگیری ماشین

در این بخش یاد می گیریم که یادگیری ماشین به چه معنا است. معانی یا اصطلاحات مختلف مرتبط با یادگیری ماشین چیست؟ شما چند مثال را مشاهده خواهید کرد تا متوجه شوید یادگیری ماشین در واقع چیست. همچنین شامل مراحلی است که در ساخت مدل یادگیری ماشین، نه فقط مدل های خطی، بلکه هر مدل یادگیری ماشین، نقش دارد.

بخش 4 - پیش پردازش داده

در این بخش خواهید آموخت که چه اقداماتی را باید گام به گام انجام دهید تا داده را به دست آورید و سپس آن را برای تحلیل آماده کنید که این مراحل بسیار مهم هستند.

ما با درک اهمیت دانش تجاری شروع می کنیم و سپس خواهیم دید که چگونه اکتشاف داده را انجام دهیم. ما یاد می گیریم که چگونه تحلیل تک متغیره و تحلیل دو متغیره را انجام دهیم، سپس مباحثی مانند رفتار با داده پرت، انتساب مقدار گمشده، تبدیل متغیر و همبستگی را پوشش می دهیم.

بخش 5 - مدل رگرسیون

این بخش با رگرسیون خطی ساده شروع می شود و سپس رگرسیون خطی چندگانه را پوشش می دهد.

ما تئوری اساسی پشت هر مفهوم را بدون اینکه بیش از حد ریاضی در مورد آن انجام دهیم پوشش داده ایم تا متوجه شوید که این مفهوم از کجا می آید و چقدر مهم است. اما حتی اگر آن را درک نکنید، تا زمانی که یاد بگیرید چگونه اجرا کنید و نتیجه را همانطور که در دروس عملی آموزش داده شده است تفسیر کنید، مشکلی وجود ندارد.

تا زمانی که یاد بگیرید چگونه اجرا کنید و نتیجه را همانطور که در سخنرانی های عملی آموزش داده شده است تفسیر کنید.

ما همچنین به نحوه کمی سازی دقت مدل ها، معنای آمار F، چگونه متغیرهای طبقه بندی شده در مجموعه داده های متغیرهای مستقل در نتایج تفسیر می شوند، چه تغییرات دیگری در روش حداقل مربعات معمولی وجود دارد و در نهایت چگونه نتیجه را برای یافتن پاسخ مشکل کسب و کار تفسیر کنیم، می پردازیم.

در پایان دوره، اعتماد شما به ایجاد یک مدل رگرسیون در پایتون افزایش می یابد. شما از نحوه استفاده از مدل‌ سازی رگرسیون برای ایجاد مدل‌ های پیش‌ بینانه و حل مشکلات کسب و کار، درک کاملی خواهید داشت.

این دوره برای چه کسانی مناسب است؟

• افرادی که به دنبال شغلی در علم داده هستند.
• حرفه ای ها که سفر داده خود را شروع می کنند.
• آماردانان که به تجربه عملی بیشتری نیاز دارند.
• کسی که کنجکاو است در یک بازه زمانی کوتاه بر رگرسیون خطی از مبتدی تا پیشرفته تسلط یابد.