آنچه یاد خواهید گرفت:

• تسلط به رگرسیون و پیش‌بینی هم در تئوری و هم در عمل
• تسلط به مدل‌های رگرسیون از مدل‌های رگرسیون ساده تا مدل‌های رگرسیون چندگانه چندجمله‌ای و مدل‌های پیشرفته رگرسیون چندگانه چندجمله‌ای چندمتغیره
• استفاده از یادگیری ماشین برای ایجاد خودکار مدل و انتخاب ویژگی
• استفاده از منظم‌سازی مدل‌های رگرسیون و منظم‌سازی مدل‌های رگرسیون با استفاده از رگرسیون لسو و ریج
• استفاده از درخت تصمیم‌گیری، جنگل تصادفی و مدل‌های رگرسیون رأی‌گیری
• استفاده از شبکه‌های چندلایه پیش‌خور و ساختارهای مدل رگرسیون پیشرفته
• استفاده از تحلیل باقیمانده پیشرفته و موثر و ابزارهایی برای قضاوت درباره‌ نیکویی برازش مدل‌ها و توزیع‌های باقیمانده
• استفاده از کتابخانه‌های Statsmodels و Scikit-learn برای رگرسیون با حمایت Matplotlib ،Seaborn ،Pandas و پایتون
• رایانش ابری - استفاده از نوت‌بوک‌ ابری آناکوندا (Jupyter Notebook مبتنی بر ابر) - یاد می‌گیرید که چگونه از منابع رایانش ابری استفاده کنید.
• اختیاری - استفاده از توزیع آناکوندا (برای ویندوز، مک و لینوکس)
• اختیاری - استفاده از اصول محیط پایتون با سیستم مدیریت پکیج Conda و نصب و بروزرسانی کتابخانه‌ها و پکیج‌ها از طریق خط فرمان

پیش‌نیازهای دوره

• تجربه روزمره در استفاده از کامپیوتر با ویندوز، سیستم عامل مک، iOS، اندروید، ChromeOS یا لینوکس توصیه می‌شود.
• این دوره تنها از نرم‌افزارهای رایگان استفاده می‌کند
• ویدئوهای نصب و راه‌اندازی گام به گام برای رایانش ابری و ویندوز 10 و 11 در نظر گرفته شده است
• برخی مهارت‌های پایتون و Pandas ضروری است.

توضیحات دوره

این دوره به شما می آموزد که به رگرسیون و پیش بینی با تعداد زیادی تکنیک رگرسیون پیشرفته برای اهداف پیش بینی و ایجاد مدل خودکار یادگیری ماشین، به اصطلاح هوش ماشینی واقعی یا هوش مصنوعی، تسلط پیدا کنید.

شما با مدیریت ساختارهای مدل پیشرفته برای تسک‌های پیش‌بینی آشنا شده و تئوری مدل‌سازی و چندین روش مفید برای آماده‌سازی یک مجموعه داده برای تحلیل داده‌ با مدل‌های رگرسیون را یاد خواهید گرفت.

این دوره برای چه کسانی مناسب است؟

• کسی که می‌خواهد به رگرسیون و پیش‌بینی تسلط پیدا کند.
• کسی که می‌خواهد درباره‌ ایجاد خودکار مدل بیاموزد.
• کسی که می‌خواهد علم داده و یادگیری ماشین پیشرفته را یاد بگیرد و قابلیت‌ها و بهره‌وری خود را بهبود بخشد.