تسلط به رگرسیون و پیش‌ بینی با Pandas و پایتون - 2024

در این دوره، شما یاد خواهید گرفت که به رگرسیون و پیش‌ بینی با استفاده از Pandas و پایتون برای علم داده و یادگیری ماشین تسلط پیدا کنید.

آنچه یاد خواهید گرفت:

• تسلط به رگرسیون و پیش‌بینی هم به شکل تئوری و هم در عمل
• تسلط به مدل‌های رگرسیون از مدل‌ های رگرسیون ساده گرفته تا مدل‌ های رگرسیون چندجمله‌ ای چندگانه و مدل‌ های پیشرفته رگرسیون چندمتغیره چندجمله‌ ای
• استفاده از ایجاد خودکار مدل یادگیری ماشینی و انتخاب ویژگی
• استفاده از منظم‌ سازی مدل‌ های رگرسیون با رگرسیون Lasso و رگرسیون Ridge 
• استفاده از مدل‌های رگرسیون درخت تصمیم گیری، جنگل تصادفی و رأی‌ گیری
• از شبکه‌ های پیشخور چندلایه و ساختارهای پیشرفته مدل‌ های رگرسیون استفاده کنید.
• استفاده از تحلیل باقیمانده پیشرفته و ابزارهای مؤثر برای قضاوت در مورد برازش خوب مدل بعلاوه توزیع‌ های باقیمانده
• استفاده از کتابخانه‌های Statsmodels و Scikit-learn برای رگرسیون پشتیبانی شده توسط Matplotlib، Seaborn، Pandas و پایتون
• تسلط به برنامه‌ نویسی پایتون 3 با ساختارهای داده بومی پایتون، ترنسفورمر های داده، توابع، شیء گرایی و منطق
• استفاده و طراحی ساختارهای پیشرفته پایتون و اجرای تسک های دقیق مدیریت داده با پایتون از جمله مدیریت فایل
• از برنامه‌ نویسی شی‌ گرا پیشرفته در پایتون استفاده کنید و اشیاء، توابع سفارشی خود را ایجاد کنید و نحوه تعمیم توابع را بیاموزید.
• دستکاری داده‌ ها و استفاده از ساختارهای داده ناهموار چند بعدی پیشرفته
• تسلط به کتابخانه Pandas 2 و 3 برای مدیریت داده پیشرفته
• استفاده از زبان و مفاهیم اساسی کتابخانه Pandas و مدیریت تمام جنبه‌های ایجاد، تغییر، اصلاح و انتخاب داده از یک Pandas DataFrame
• استفاده از مدیریت فایل با Pandas و نحوه ترکیب Pandas DataFrames با توابع/روش‌های Pandas concat، join و merge
• انجام آماده‌ سازی داده پیشرفته از جمله جایگزینی مبتنی بر مدل پیشرفته داده‌ های گمشده و مقیاس‌ بندی و استانداردسازی داده‌ ها
• توصیف‌ ها و آمارهای پیشرفته داده را با Pandas ایجاد کنید. داده‌ ها را رتبه‌ بندی، مرتب‌ سازی، متقاطع‌ سازی، محوری‌ سازی، ذوب، ترانهاده و گروه‌ بندی کنید.
• [پاداش] ایجاد مصورسازی های داده پیشرفته با Pandas ،Matplotlib و Seaborn
• رایانش ابری: استفاده از نوت‌بوک ابری Anaconda (نوت‌بوک Jupyter مبتنی بر ابر). یادگیری استفاده از منابع رایانش ابری
• گزینه: استفاده از توزیع Anaconda (برای ویندوز، مک، لینوکس)
• گزینه: استفاده از اصول محیط پایتون با سیستم مدیریت بسته Conda و نصب/بروزرسانی کتابخانه‌ ها و بسته‌ ها از طریق خط فرمان

پیش نیازهای دوره

• تجربه روزمره استفاده از رایانه با سیستم‌ عامل‌ های ویندوز، مک، IOS، اندروید، ChromeOS یا لینوکس توصیه می‌ شود.
• تجربه برنامه‌نویسی مورد نیاز نیست.
• این دوره فقط از نرم‌ افزارهای رایگان استفاده می‌ کند.

توضیحات دوره

این دوره آموزشی ویدئویی جامع سه منظوره، به شما آموزش خواهد داد تا به رگرسیون، پیش‌ بینی، پایتون 3، Pandas 2 و 3 و مدیریت پیشرفته داده‌ مسلط شوید.

شما با تعداد زیادی از تکنیک‌ های پیشرفته رگرسیون برای اهداف پیش‌ بینی و ایجاد مدل خودکار، یا به اصطلاح هوش مصنوعی واقعی، بر رگرسیون و پیش‌ بینی مسلط خواهید شد. شما یاد خواهید گرفت که ساختارهای مدل پیشرفته را برای تسک های پیش‌ بینی مدیریت کنید.

شما به بلوک‌ های ساختاری نیتیو پایتون و برنامه‌ نویسی شی‌ گرا قدرتمند آن مسلط خواهید شد. شما ساختارهای پیشرفته خود را از بلوک‌ های ساختاری پایتون طراحی کرده و تسک های دقیق مدیریت داده را با پایتون اجرا خواهید کرد.

شما به کتابخانه Pandas مسلط شده و از تکنیک‌ های قدرتمند مدیریت داده آن برای تسک های پیشرفته علم داده و مدیریت داده یادگیری ماشین استفاده خواهید کرد. کتابخانه Pandas یک ابزار تحلیل و دستکاری داده منبع باز سریع، قدرتمند، انعطاف‌ پذیر و آسان برای استفاده است که مستقیماً با زبان برنامه‌ نویسی پایتون قابل استفاده می باشد.

این دوره برای چه کسانی مناسب است؟

• هر کسی که مایل به یادگیری تسلط به رگرسیون و پیش‌ بینی می باشد.
• هر کسی که مایل به یادگیری تسلط به پایتون 3 از ابتدا یا سطح مبتدی می باشد.
• هر کسی که مایل به یادگیری تسلط به کتابخانه Pandas می باشد.
• هر کسی که مایل به یادگیری مهارت‌ های مدیریت داده می باشد.
• هر کسی که مایل به یادگیری مدیریت داده پیشرفته می باشد.