آموزش راهنمای تصویری کامل برای یادگیری ماشین و علم داده

سرفصل ها و درس ها

شروع شدن Getting Started

• ساختار و طرح کلی دوره Course Structure & Outline

• مرا بخوانید: نکات مهم برای دانشجویان جدیدالورود READ ME: Important Notes for New Students

• دانلود: منابع دوره DOWNLOAD: Course Resources

• تعیین انتظارات Setting Expectations

بخش 1: کیفیت و پروفایل داده PART 1: QA & Data Profiling

• بخش 1: کیفیت کیفیت و پروفایل داده Part 1: QA & Data Profiling

مقدمه ای بر چشم انداز ML Intro to the ML Landscape

• مقدمه ای بر یادگیری ماشینی Intro to Machine Learning

• چه زمانی ML مناسب است؟ When is ML the right fit?

• فرآیند یادگیری ماشینی The Machine Learning Process

• چشم انداز یادگیری ماشین The Machine Learning Landscape

QA داده های اولیه Preliminary Data QA

• معرفی Introduction

• چرا QA؟ Why QA?

• انواع متغیر Variable Types

• ارزش های خالی Empty Values

• محاسبات محدوده Range Calculations

• محاسبه شمارش Count Calculations

• داده های سانسور شده چپ و راست Left & Right Censored Data

• ساختار جدول Table Structure

• مطالعه موردی: QA مقدماتی CASE STUDY: Preliminary QA

• بهترین شیوه ها: QA مقدماتی BEST PRACTICES: Preliminary QA

• QUIZ: QA داده های اولیه QUIZ: Preliminary Data QA

پروفایل تک متغیره Univariate Profiling

• معرفی Introduction

• متغیرهای طبقه بندی شده Categorical Variables

• گسسته سازی Discretization

• اسمی در مقابل ترتیبی Nominal vs. Ordinal

• توزیع های طبقه بندی شده Categorical Distributions

• متغیرهای عددی Numerical Variables

• هیستوگرام و تراکم هسته Histograms & Kernel Densities

• مطالعه موردی: هیستوگرام CASE STUDY: Histograms

• توزیع نرمال Normal Distribution

• مطالعه موردی: توزیع نرمال CASE STUDY: Normal Distribution

• پروفایل داده تک متغیره Univariate Data Profiling

• حالت Mode

• منظور داشتن Mean

• میانه Median

• صدک Percentile

• واریانس Variance

• انحراف معیار Standard Deviation

• چولگی Skewness

• بهترین روش ها: پروفایل تک متغیره BEST PRACTICES: Univariate Profiling

• آزمون: پروفایل تک متغیره QUIZ: Univariate Profiling

پروفایل چند متغیره Multivariate Profiling

• معرفی Introduction

• دسته بندی-مقوله Categorical-Categorical

• مطالعه موردی: نقشه های حرارتی CASE STUDY: Heat Maps

• مقوله ای-عددی Categorical-Numerical

• چگالی هسته چند متغیره Multivariate Kernel Densities

• نقشه های ویولن Violin Plots

• توطئه های جعبه Box Plots

• محدودیت های توزیع های طبقه بندی شده Limitations of Categorical Distributions

• عددی-عددی Numerical-Numerical

• همبستگی Correlation

• همبستگی در مقابل علیت Correlation vs. Causation

• تجسم بعد سوم Visualizing Third Dimension

• مطالعه موردی: همبستگی CASE STUDY: Correlation

• بهترین روش ها: پروفایل چند متغیره BEST PRACTICES: Multivariate Profiling

• آزمون: پروفایل چند متغیره QUIZ: Multivariate Profiling

• نگاه به آینده به قسمت 2 Looking Ahead to Part 2

بخش 2: مدل سازی طبقه بندی PART 2: Classification Modeling

• بخش 2: مدل سازی طبقه بندی Part 2: Classification Modeling

مقدمه ای بر طبقه بندی Intro to Classification

• یادگیری تحت نظارت در مقابل یادگیری بدون نظارت Supervised vs. Unsupervised Learning

• طبقه بندی در مقابل رگرسیون Classification vs. Regression

• خلاصه: مفاهیم کلیدی RECAP: Key Concepts

• طبقه بندی 101 Classification 101

• گردش کار طبقه بندی Classification Workflow

• مهندسی ویژگی Feature Engineering

• تقسیم داده ها Data Splitting

• بیش از حد برازش Overfitting

• مقدمه ای بر طبقه بندی Intro to Classification

مدل های طبقه بندی Classification Models

• مدل های طبقه بندی رایج Common Classification Models

• معرفی K-Nearest Neighbors (KNN) Intro to K-Nearest Neighbors (KNN)

• نمونه های KNN KNN Examples

• مطالعه موردی: KNN CASE STUDY: KNN

• معرفی بیز ساده لوح Intro to Naïve Bayes

• بیز ساده لوح | جداول فرکانس Naïve Bayes | Frequency Tables

• بیز ساده لوح | احتمال شرطی Naïve Bayes | Conditional Probability

• مطالعه موردی: بیز ساده لوح CASE STUDY: Naïve Bayes

• مقدمه ای بر درختان تصمیم Intro to Decision Trees

• درختان تصمیم | آنتروپی 101 Decision Trees | Entropy 101

• آنتروپی و به دست آوردن اطلاعات Entropy & Information Gain

• نمونه های درخت تصمیم Decision Tree Examples

• جنگل های تصادفی Random Forests

• مطالعه موردی: درختان تصمیم CASE STUDY: Decision Trees

• مقدمه ای بر رگرسیون لجستیک Intro to Logistic Regression

• مثال رگرسیون لجستیک Logistic Regression Example

• مثبت های کاذب در مقابل منفی های کاذب False Positives vs. False Negatives

• معادله رگرسیون لجستیک Logistic Regression Equation

• تابع احتمال The Likelihood Function

• رگرسیون لجستیک چند متغیره Multivariate Logistic Regression

• مطالعه موردی: رگرسیون لجستیک CASE STUDY: Logistic Regression

• مقدمه ای بر تحلیل احساسات Intro to Sentiment Analysis

• پاک کردن داده های متنی Cleaning Text Data

• تحلیل "کیف کلمات". "Bag of Words" Analysis

• مطالعه موردی: تحلیل احساسات CASE STUDY: Sentiment Analysis

• مدل های طبقه بندی Classification Models

انتخاب و تنظیم مدل Model Selection & Tuning

• مقدمه ای بر انتخاب و تنظیم Intro to Selection & Tuning

• فراپارامترها Hyperparameters

• کلاس های نامتعادل Imbalanced Classes

• ماتریس سردرگمی Confusion Matrix

• دقت، دقت و یادآوری Accuracy, Precision & Recall

• ماتریس سردرگمی چند کلاسه Multi-class Confusion Matrix

• امتیاز دهی چند کلاسه Multi-class Scoring

• انتخاب مدل Model Selection

• دریفت مدل Model Drift

• انتخاب و تنظیم مدل Model Selection & Tuning

• منتظر قسمت 3 هستیم Looking ahead to Part 3

بخش 3: رگرسیون و پیش بینی PART 3: Regression & Forecasting

• بخش 3: رگرسیون و پیش بینی Part 3: Regression & Forecasting

مقدمه ای بر رگرسیون Intro to Regression

• یادگیری تحت نظارت در مقابل یادگیری بدون نظارت Supervised vs. Unsupervised Learning

• خلاصه: مفاهیم کلیدی RECAP: Key Concepts

• رگرسیون 101 Regression 101

• مهندسی ویژگی برای رگرسیون Feature Engineering for Regression

• پیش‌بینی در مقابل تحلیل ریشه‌ای Prediction vs. Root-Cause Analysis

• آزمون: مقدمه ای بر رگرسیون QUIZ: Intro to Regression

مدلسازی رگرسیون 101 Regression Modeling 101

• مقدمه ای بر مدل سازی رگرسیون Intro to Regression Modeling

• روابط خطی Linear Relationships

• حداقل مربعات خطا Least Squared Error

• رگرسیون خطی تک متغیره Univariate Linear Regression

• مطالعه موردی: رگرسیون خطی تک متغیره CASE STUDY: Univariate Linear Regression

• رگرسیون خطی چندگانه Multiple Linear Regression

• رگرسیون غیر خطی Non-Linear Regression

• مطالعه موردی: رگرسیون غیر خطی CASE STUDY: Non-Linear Regression

• آزمون: مدل سازی رگرسیون QUIZ: Regression Modeling

تشخیص مدل Model Diagnostics

• مقدمه ای بر تشخیص مدل Intro to Model Diagnostics

• نمونه خروجی مدل Sample Model Output

• R-Squared R-Squared

• معیارهای میانگین خطا (MSE، MAE، MAPE) Mean Error Metrics (MSE, MAE, MAPE)

• همجنسگرایی Homoskedasticity

• فرضیه صفر Null Hypothesis

• F- اهمیت F-Significance

• T-Values ​​و P-Values T-Values & P-Values

• چند خطی Multicollinearity

• ضریب تورم واریانس Variance Inflation Factor

• RECAP: نمونه خروجی مدل RECAP: Sample Model Output

• آزمون: تشخیص مدل QUIZ: Model Diagnostics

پیش بینی سری زمانی Time-Series Forecasting

• مقدمه ای بر پیش بینی Intro to Forecasting

• فصلی بودن Seasonality

• تابع همبستگی خودکار Auto Correlation Function

• مطالعه موردی: فصلی بودن با ACF CASE STUDY: Seasonality with ACF

• رمزگذاری یک داغ One-Hot Encoding

• مطالعه موردی: فصلی بودن با رمزگذاری تک داغ CASE STUDY: Seasonality with One-Hot Encoding

• روند خطی Linear Trending

• مطالعه موردی: فصلی با روند خطی CASE STUDY: Seasonality with Linear Trend

• صاف کردن Smoothing

• مطالعه موردی: صاف کردن CASE STUDY: Smoothing

• روندهای غیر خطی Non-Linear Trends

• مطالعه موردی: روند غیر خطی CASE STUDY: Non-Linear Trend

• تجزیه و تحلیل مداخله Intervention Analysis

• مطالعه موردی: تحلیل مداخله ای CASE STUDY: Intervention Analysis

• آزمون: پیش بینی سری زمانی QUIZ: Time-Series Forecasting

• نگاه به آینده به قسمت 4 Looking Ahead to Part 4

بخش 4: یادگیری بدون نظارت PART 4: Unsupervised Learning

• بخش 4: یادگیری بدون نظارت Part 4: Unsupervised Learning

مقدمه ای بر ML بدون نظارت Intro to Unsupervised ML

• یادگیری تحت نظارت در مقابل یادگیری بدون نظارت Supervised vs. Unsupervised Learning

• تکنیک های رایج بدون نظارت Common Unsupervised Techniques

• گردش کار ML بدون نظارت Unsupervised ML Workflow

• خلاصه: مهندسی ویژگی RECAP: Feature Engineering

• نکات کلیدی: معرفی ML بدون نظارت KEY TAKEAWAYS: Intro to Unsupervised ML

• آزمون: مقدمه ای بر ML بدون نظارت QUIZ: Intro to Unsupervised ML

خوشه بندی و تقسیم بندی Clustering & Segmentation

• معرفی Introduction

• مبانی خوشه بندی Clustering Basics

• مقدمه ای بر K-Means Intro to K-Means

• WSS & Ebow Plots WSS & Elbow Plots

• سوالات متداول K-Means K-Means FAQs

• مطالعه موردی: K-Means CASE STUDY: K-Means

• مقدمه ای بر خوشه بندی سلسله مراتبی Intro to Hierarchical Clustering

• آناتومی دندروگرام Anatomy of a Dendrogram

• سوالات متداول خوشه بندی سلسله مراتبی Hierarchical Clustering FAQs

• نکات کلیدی: خوشه بندی و تقسیم بندی KEY TAKEAWAYS: Clustering & Segmentation

• آزمون: خوشه بندی و تقسیم بندی QUIZ: Clustering & Segmentation

انجمن معدن و تجزیه و تحلیل سبد Association Mining & Basket Analysis

• معرفی Introduction

• مبانی معدنی انجمن Association Mining Basics

• الگوریتم Apriori The Apriori Algorithm

• نمونه های تحلیل سبد Basket Analysis Examples

• حداقل آستانه پشتیبانی Minimum Support Thresholds

• مجموعه آیتم های نادر Infrequent Itemsets

• مجموعه آیتم های متعدد Multiple Item Sets

• مطالعه موردی: Apriori CASE STUDY: Apriori

• زنجیر مارکوف Markov Chains

• مطالعه موردی: مارکوف چین CASE STUDY: Markov Chains

• نکات کلیدی: انجمن معدن KEY TAKEAWAYS: Association Mining

• آزمون: انجمن معدن QUIZ: Association Mining

تشخیص بیرونی Outlier Detection

• معرفی Introduction

• مبانی تشخیص پرت Outlier Detection Basics

• نقاط پرت مقطعی Cross-Sectional Outliers

• مثال مقطعی پرت Cross-Sectional Outlier Example

• مطالعه موردی: مقطعی پرت CASE STUDY: Cross-Sectional Outlier

• پرت سری زمانی Time-Series Outliers

• نمونه پرت سری زمانی Time-Series Outlier Example

• نکات کلیدی: تشخیص بیرونی KEY TAKEAWAYS: Outlier Detection

• آزمون: تشخیص بیرونی QUIZ: Outlier Detection

کاهش ابعاد Dimensionality Reduction

• معرفی Introduction

• مبانی کاهش ابعاد Dimensionality Reduction Basics

• تجزیه و تحلیل مولفه های اصلی Principle Component Analysis

• مثال PCA PCA Example

• تفسیر اجزاء Interpreting Components

• توطئه های اسکری Scree Plots

• تکنیک های پیشرفته Advanced Techniques

• نکات کلیدی: کاهش ابعاد KEY TAKEAWAYS: Dimensionality Reduction

• آزمون: کاهش ابعاد QUIZ: Dimensionality Reduction

بسته بندی Wrapping Up

• نتیجه گیری سری Series Conclusion

• درس جایزه BONUS LESSON