دوره آموزشی
دوبله زبان فارسی
مدلسازی پیشبینانه با پایتون
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- مدیریت و پیشپردازش داده برای تحلیل و مدلسازی آماری
- انجام آزمون فرضیه با استفاده از تکنیکهای آماری پیشرفته
- ساخت مدلهای تحلیل داده اکتشافی (EDA) برای کشف بینشها
- ساخت و ارزیابی مدلها برای حل چالشهای داده واقعی
توضیحات دوره
این دوره یک مقدمه کاربردی درباره تحلیل آماری و یادگیری ماشین با پایتون ارائه میدهد. شما مفاهیم را با تمرکز بر کاربرد مفاهیم، متدها و الگوریتمهای ضروری برای حل مشکلات واقعی یاد میگیرید.
در پایان دوره موارد زیر را انجام میدهید:
- انواع مختلف داده مورد استفاده در تحلیل آماری را میشناسید.
- تکنیکهایی را برای مدیریت موثر داده ناسازگار میآموزید.
- آزمونهای فرضیه را با استفاده از تستهای پارامتری و غیرپارامتری انجام میدهید.
- مدلهای تحلیل داده اکتشافی (EDA) را با استفاده از متدهای آماری و یادگیری ماشین توسعه میدهید.
- مدلهای یادگیری ماشین را از طریق تکنیکهای ارزیابی و بهینهسازی تقویت میکنید.
این دوره برای افرادی با دانش پایه از برنامهنویسی پایتون و مفاهیم آماری طراحی شده و برای تحلیلگران داده، دانشمندان داده، مدیران اجرایی کسب و کار، مهندسان یادگیری ماشین و کسی که به تصمیمگیری داده محور علاقهمند است، مناسب است.
شما در مدلسازی آماری و مدلسازی پیشبینانه تجربه عملی کسب کرده و مهارتهای خود را در سناریوهای واقعی اعمال میکنید. امروز در دوره «مدلسازی پیشبینانه با پایتون" شرکت کردهد و تخصص خود را به سطح بالاتری ببرید.
مدلسازی پیشبینانه با پایتون
-
مقدمه دوره 2:55
-
تایپهای داده 3:03
-
داده دستهای 2:24
-
داده اسمی 1:34
-
نمایش تایپهای داده - توصیف مجموعه داده 4:08
-
نمایش تایپ ها 4:46
-
آمار چیست؟ 4:10
-
معیارهای گرایش مرکزی 3:19
-
نمایش گرایش مرکزی 3:39
-
معیارهای پراکندگی 3:27
-
نمایش معیارهای پراکندگی 4:04
-
خلاصه داده و اطلاعات 2:22
-
به مدلسازی پیشبینانه با پایتون خوش آمدید None
-
کاربردهای گرایش مرکزی در آمار None
-
کتابخانهها برای تحلیل آماری None
-
تابع چگالی و تابع جرم احتمال 4:04
-
تابع توزیع تجمعی 3:56
-
احتمال گسسته 2:28
-
توزیع برنولی منفی 2:29
-
نمایش توزیع برنولی منفی 6:40
-
توزیع هندسی 2:03
-
نمایش توزیع هندسی 6:49
-
توزیع پواسون 5:06
-
مثال توزیع پواسون 2:25
-
نمایش توزیع پواسون 4:26
-
توزیع احتمال پیوسته 4:50
-
توزیع یکنواخت 3:47
-
توزیع نمایی 3:11
-
نمایش توزیع نمایی 2:39
-
توزیع نرمال 6:19
-
نمایش توزیع نرمال 5:49
-
خلاصه توابع توزیع احتمال 2:08
-
مثال PDF و PMF None
-
اهمیت توزیعهای برنولی منفی و هندسی None
-
توزیع احتمال پیوسته و توزیع یکنواخت - مثال ریاضی None
-
قضیه حد مرکزی 4:47
-
نمایش قضیه حد مرکزی 6:02
-
نمایش نتیجهگیری قضیه حد مرکزی 2:32
-
جمعیت و فضای نمونه 2:57
-
پارامتر و آمار 5:18
-
فرمهای آمار استنباطی 1:05
-
برآورد نقطهای و فاصله 3:51
-
حداکثر احتمال 4:24
-
نمایش اکتشاف داده 5:14
-
نمایش - ترسیم داده نمونه 4:09
-
آزمون فرضیه 5:02
-
مثال آزمون فرضیه 4:43
-
پیادهسازی آزمون آماری 6:23
-
آزمون یک طرفه و دو طرفه 5:16
-
آزمون Z و آزمون T 6:21
-
تحلیل قدرت 5:52
-
نمایش فاصله اطمینان و حاشیه خطا 3:29
-
نمایش آزمون فرضیه 3:59
-
نمایش تحلیل قدرت 7:47
-
آزمون مربع کای 3:44
-
همبستگی پیرسون و اسپیرمن 5:52
-
نمایش آزمون مربع کای 5:51
-
نمایش همبستگی پیرسون 6:02
-
نمایش همبستگی اسپیرمن 6:50
-
تحلیل واریانس (ANOVA) 6:09
-
مثال برای ANOVA یک طرفه - بخش 1 2:04
-
مثال برای ANOVA دو طرفه - بخش 2 1:56
-
نمایش ANOVA یک طرفه 5:27
-
نمایش ANOVA دو طرفه 2:57
-
خلاصه آمار استنباطی 2:21
-
قضیه حد مرکزی (CLT) - مثال ریاضی None
-
کاربردهای واقعی آمار استنباطی None
-
آزمون شاپیرو-ویلک None
-
EDA چیست؟ 5:19
-
تحلیل تکمتغیره - داده و داده پرت 4:19
-
تحلیل تکمتغیره - کشیدگی و انواع نمودار 3:54
-
تحلیل چندمتغیره 4:14
-
تحلیل چندمتغیره - کوواریانس، همبستگی و انجمن 3:57
-
تحلیل چندمتغیره - ماتریس همبستگی 3:33
-
تحلیل چندمتغیره - نمودارهای پراکندگی و نقشههای حرارتی 6:05
-
شناسایی و مدیریت داده گمشده 6:47
-
متدهای نمونهگیری 3:55
-
انتساب میانگین، میانه و مد 4:35
-
نرمالسازی و استانداردسازی داده 3:15
-
متدهای تبدیل داده 5:46
-
انتساب تکمتغیره، دو متغیره و چندمتغیره 4:17
-
نمایش - بخش 1 - درک داده 4:15
-
نمایش - بخش 2 - مصورسازی و مدیریت داده گمشده 6:29
-
نمایش - بخش 3 - مقیاسبندی و انتساب داده 3:47
-
نمایش - بخش 4 - تقسیم، آموزش و تست 6:37
-
نمایش - بخش 5 - اعتبارسنجی متقاطع K-Fold لایهای 3:53
-
نمایش - بخش 6 - نمونهگیری و ارزیابی 4:08
-
آشنایی با مهندسی ویژگی 5:19
-
تبدیل ویژگی 5:42
-
انکودینگ - انکودینگ One Hot 5:35
-
انکودینگ - انکودینگ برچسب 1:35
-
کتابخانه Autofeat 3:29
-
نمایش - بخش 1 - راهاندازی سناریو 3:45
-
نمایش - بخش 2 - تبدیل داده 7:25
-
نمایش - بخش 3 - انکودینگ 7:53
-
نمایش - بخش 4 - Autofeat 6:32
-
خلاصه آشنایی با EDA 1:49
-
درک تحلیل داده اکتشافی (EDA) None
-
بهترین شیوهها در پیشپردازش داده None
-
بررسی کتابخانه Autofeat None
-
آشنایی با رگرسیون خطی 5:55
-
فرضیات در رگرسیون خطی 3:33
-
عملکرد رگرسیون خطی 3:36
-
تابع هزینه در رگرسیون خطی 2:26
-
گرادیان کاهشی در رگرسیون خطی 2:36
-
نمایش رگرسیون خطی - ساخت مدل 3:08
-
نمایش رگرسیون خطی - تست مدل 5:43
-
رگرسیون لجستیک 6:50
-
تابع هزینه در رگرسیون لجستیک 4:25
-
گرادیان کاهشی در رگرسیون لجستیک 4:06
-
اهمیت تابع سیگموئید 1:21
-
نمایش - رگرسیون لجستیک - پردازش داده 6:19
-
نمایش - رگرسیون لجستیک - اجرای مدل 6:45
-
طبقهبندی در یادگیری ماشین 5:01
-
درخت تصمیمگیری - بخش 1 - درخت تصمیمگیری چیست؟ 4:49
-
درخت تصمیمگیری - بخش 2 - جنگل تصادفی چیست؟ 4:43
-
اصطلاحات اولیه درخت تصمیمگیری 4:00
-
عملکرد درخت تصمیمگیری 6:27
-
ساخت درخت تصمیمگیری 6:03
-
مزایا و معایب درخت تصمیمگیری 5:57
-
نمایش - بخش 1 - توضیح سناریو 4:38
-
نمایش - بخش 2 - اکتشاف داده 2:21
-
نمایش - بخش 3 - گزارش پروفایلینگ 7:14
-
نمایش - بخش 4 - Attrition و گراف تکمتغیره 7:28
-
نمایش - بخش 5 - پیشپردازش داده 4:23
-
نمایش - بخش 6 - ساخت درخت تصمیمگیری 4:11
-
نمایش - بخش 7 - طبقهبندی درخت 4:59
-
نمایش - بخش 8 - مزایا و معایب 4:44
-
مثال جنگل تصادفی - بخش 1 - یادگیری گروهی و Bagging 4:04
-
مثال جنگل تصادفی - بخش 2 - عملکرد جنگل تصادفی 3:51
-
متریکهای عملکرد برای رگرسیون - MAE و MAPE 4:05
-
متریکهای عملکرد برای رگرسیون - MSE و RMSE و RMSLE و R-square 4:12
-
ماتریس درهمریختگی 5:29
-
ROC و AUC 5:22
-
تیونینگ و بهینهسازی هایپرپارامترها 4:33
-
انتخاب مدل 6:57
-
ارزیابی مدل 5:37
-
مبادله بین بایاس و واریانس 3:56
-
اعتبارسنجی متقابل 4:08
-
نمایش - بخش 1 - جستجوی گرید - تحلیل داده 4:05
-
نمایش - بخش 2 - جستجوی گرید - ساخت مدل 4:26
-
خلاصهمدلهای پیشبینانه 2:06
-
منظمسازی در رگرسیون None
-
Optuna - ابزاری قدرتمند برای بهینهسازی هایپرپارامتر None
-
خلاصه دوره مدلسازی پیشبینانه با پایتون 2:08
-
جمعه سیاه - تحلیل فروش None
مشخصات آموزش
مدلسازی پیشبینانه با پایتون
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:146
- مدت زمان :09:44:13
- حجم :2.13GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
The Great Courses
1,889,000
377,800 تومان
- زمان: 04:47:39
- تعداد درس: 30
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
2,659,500
531,900 تومان
- زمان: 06:44:45
- تعداد درس: 35
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
1,501,000
300,200 تومان
- زمان: 03:48:11
- تعداد درس: 47
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
7,300,500
1,460,100 تومان
- زمان: 18:29:24
- تعداد درس: 115
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
2,113,000
422,600 تومان
- زمان: 05:21:41
- تعداد درس: 51
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
9,269,000
1,853,800 تومان
- زمان: 23:28:00
- تعداد درس: 170
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
8,762,000
1,752,400 تومان
- زمان: 22:11:23
- تعداد درس: 140
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
6,734,500
1,346,900 تومان
- زمان: 17:03:28
- تعداد درس: 45
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
8,360,500
1,672,100 تومان
- زمان: 21:10:47
- تعداد درس: 202
-
سطح دوره:
-
زبان: دوبله فارسی