آموزش یادگیری ماشین با استفاده از پایتون

سرفصل ها و درس ها

مقدمه Introduction

• به دوره خوش آمدید Welcome to the course

• منابع دوره Course resources

راه اندازی نوت بوک پایتون و ژوپیتر Setting up Python and Jupyter notebook

• نصب پایتون و آناکوندا Installing Python and Anaconda

• این یک نقطه عطف است! This is a Milestone!

• باز کردن نوت بوک Jupyter Opening Jupyter Notebook

• آشنایی با ژوپیتر Introduction to Jupyter

• عملگرهای حسابی در پایتون: مبانی پایتون Arithmetic operators in Python: Python Basics

• رشته ها در پایتون: اصول پایتون Strings in Python: Python Basics

• لیست ها، تاپل ها و فهرست ها: اصول پایتون Lists, Tuples and Directories: Python Basics

• کار با کتابخانه Numpy پایتون Working with Numpy Library of Python

• کار با Pandas Library of Python Working with Pandas Library of Python

• کار با کتابخانه Seaborn پایتون Working with Seaborn Library of Python

مبانی آمار Basics of statistics

• انواع داده ها Types of Data

• انواع آمار Types of Statistics

• توصیف گرافیکی داده ها Describing data Graphically

• اقدامات مراکز Measures of Centers

• اقدامات پراکندگی Measures of Dispersion

مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

• مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

• ساخت یک مدل یادگیری ماشینی Building a Machine Learning Model

پیش پردازش داده ها Data Preprocessing

• جمع آوری دانش کسب و کار Gathering Business Knowledge

• کاوش داده ها Data Exploration

• مجموعه داده و دیکشنری داده The Dataset and the Data Dictionary

• وارد کردن داده در پایتون Importing Data in Python

• تجزیه و تحلیل تک متغیره و EDD Univariate analysis and EDD

• EDD در پایتون EDD in Python

• درمان پرت Outlier Treatment

• درمان پرت در پایتون Outlier Treatment in Python

• مقدار گمشده Missing Value Imputation

• مقدار از دست رفته در پایتون Missing Value Imputation in Python

• فصلی بودن در داده ها Seasonality in Data

• تجزیه و تحلیل دو متغیره و تبدیل متغیر Bi-variate analysis and Variable transformation

• تبدیل و حذف متغیر در پایتون Variable transformation and deletion in Python

• متغیرهای غیر قابل استفاده Non-usable variables

• ایجاد متغیر ساختگی: مدیریت داده های کیفی Dummy variable creation: Handling qualitative data

• ایجاد متغیر ساختگی در پایتون Dummy variable creation in Python

• تجزیه و تحلیل همبستگی Correlation Analysis

• تجزیه و تحلیل همبستگی در پایتون Correlation Analysis in Python

رگرسیون خطی Linear Regression

• بیانیه مشکل The Problem Statement

• روش معادلات پایه و حداقل مربعات معمولی (OLS). Basic Equations and Ordinary Least Squares (OLS) method

• ارزیابی دقت ضرایب پیش بینی شده Assessing accuracy of predicted coefficients

• ارزیابی دقت مدل: RSE و R مجذور Assessing Model Accuracy: RSE and R squared

• رگرسیون خطی ساده در پایتون Simple Linear Regression in Python

• رگرسیون خطی چندگانه Multiple Linear Regression

• F - آمار The F - statistic

• تفسیر نتایج متغیرهای طبقه بندی Interpreting results of Categorical variables

• رگرسیون خطی چندگانه در پایتون Multiple Linear Regression in Python

• تقسیم آزمایشی-قطار Test-train split

• مبادله واریانس تعصب Bias Variance trade-off

• آزمایش تقسیم قطار در پایتون Test train split in Python

• مدل های رگرسیون غیر از OLS Regression models other than OLS

• تکنیک های انتخاب زیر مجموعه Subset selection techniques

• روش های انقباض: ریج و کمند Shrinkage methods: Ridge and Lasso

• رگرسیون ریج و کمند در پایتون Ridge regression and Lasso in Python

• دگرگونی Heteroscedasticity

مقدمه ای بر مدل های طبقه بندی Introduction to the classification Models

• سه مدل طبقه بندی و مجموعه داده Three classification models and Data set

• وارد کردن داده ها به پایتون Importing the data into Python

• اظهارات مشکل The problem statements

• چرا نمی توانیم از رگرسیون خطی استفاده کنیم؟ Why can't we use Linear Regression?

رگرسیون لجستیک Logistic Regression

• رگرسیون لجستیک Logistic Regression

• آموزش یک مدل لجستیک ساده در پایتون Training a Simple Logistic Model in Python

• نتیجه رگرسیون لجستیک ساده Result of Simple Logistic Regression

• لجستیک با پیش بینی های متعدد Logistic with multiple predictors

• آموزش مدل لجستیک پیش بینی کننده چندگانه در پایتون Training multiple predictor Logistic model in Python

• ماتریس سردرگمی Confusion Matrix

• ایجاد ماتریس سردرگمی در پایتون Creating Confusion Matrix in Python

• ارزیابی عملکرد مدل Evaluating performance of model

• ارزیابی عملکرد مدل در پایتون Evaluating model performance in Python

تجزیه و تحلیل تشخیص خطی (LDA) Linear Discriminant Analysis (LDA)

• تحلیل تشخیصی خطی Linear Discriminant Analysis

• LDA در پایتون LDA in Python

K طبقه بندی کننده نزدیکترین همسایگان K Nearest neighbors classifier

• تست-قطار تقسیم Test-Train Split

• Test-Train Split در پایتون Test-Train Split in Python

• طبقه بندی کننده K-Nearest Neighbors K-Nearest Neighbors classifier

• K-نزدیکترین همسایه ها در پایتون: قسمت 1 K-Nearest Neighbors in Python: Part 1

• K-نزدیکترین همسایگان در پایتون: قسمت 2 K-Nearest Neighbors in Python: Part 2

مقایسه نتایج از 3 مدل Comparing results from 3 models

• درک نتایج مدل های طبقه بندی Understanding the results of classification models

• خلاصه ای از سه مدل Summary of the three models

درختان تصمیم گیری ساده Simple Decision Trees

• مقدمه ای بر درختان تصمیم Introduction to Decision trees

• مبانی درختان تصمیم Basics of Decision Trees

• درک درخت رگرسیون Understanding a Regression Tree

• معیارهای توقف برای کنترل رشد درختان The stopping criteria for controlling tree growth

• وارد کردن مجموعه داده به پایتون Importing the Data set into Python

• درمان ارزش از دست رفته در پایتون Missing value treatment in Python

• ایجاد متغیر ساختگی در پایتون Dummy Variable Creation in Python

• تقسیم داده های وابسته-مستقل در پایتون Dependent- Independent Data split in Python

• تقسیم Test-Train در پایتون Test-Train split in Python

• ایجاد درخت تصمیم در پایتون Creating Decision tree in Python

• ارزیابی عملکرد مدل در پایتون Evaluating model performance in Python

• ارزیابی عملکرد مدل در پایتون Evaluating model performance in Python

• ترسیم درخت تصمیم در پایتون Plotting decision tree in Python

• هرس درخت Pruning a tree

• هرس درخت در پایتون Pruning a tree in Python

درخت طبقه بندی ساده Simple Classification Tree

• درخت طبقه بندی Classification tree

• مجموعه داده ها برای مشکل طبقه بندی The Data set for Classification problem

• درخت طبقه بندی در پایتون: پیش پردازش Classification tree in Python : Preprocessing

• درخت طبقه بندی در پایتون: آموزش Classification tree in Python : Training

• مزایا و معایب درختان تصمیم Advantages and Disadvantages of Decision Trees

تکنیک گروه 1 - کیسه زدن Ensemble technique 1 - Bagging

• تکنیک گروه 1 - کیسه زدن Ensemble technique 1 - Bagging

• تکنیک گروه 1 - کیف در پایتون Ensemble technique 1 - Bagging in Python

تکنیک گروه 2 - جنگل های تصادفی Ensemble technique 2 - Random Forests

• تکنیک گروه 2 - جنگل های تصادفی Ensemble technique 2 - Random Forests

• تکنیک گروه 2 - جنگل های تصادفی در پایتون Ensemble technique 2 - Random Forests in Python

• استفاده از Grid Search در پایتون Using Grid Search in Python

تکنیک گروه 3 - تقویت Ensemble technique 3 - Boosting

• تقویت Boosting

• تکنیک Ensemble 3a - تقویت در پایتون Ensemble technique 3a - Boosting in Python

• تکنیک Ensemble 3b - AdaBoost در پایتون Ensemble technique 3b - AdaBoost in Python

• تکنیک Ensemble 3c - XGBoost در پایتون Ensemble technique 3c - XGBoost in Python

ماشین‌های بردار پشتیبانی Support Vector Machines

• ماشین‌های بردار پشتیبانی مبتنی بر هسته Kernel Based Support Vector Machines

پشتیبانی از طبقه بندی کننده های برداری Support Vector classifiers

• پشتیبانی از طبقه بندی کننده های برداری Support Vector classifiers

• محدودیت های دسته بندی بردار پشتیبانی Limitations of Support Vector Classifiers

ماشین‌های بردار پشتیبانی Support Vector Machines

• مقدمه ای بر SVM Introduction to SVM's

• ماشین‌های بردار پشتیبانی مبتنی بر هسته Kernel Based Support Vector Machines

• مفهوم هایپرپلین The Concept of a Hyperplane

• طبقه بندی کننده حداکثر حاشیه Maximum Margin Classifier

• محدودیت های طبقه بندی کننده حداکثر حاشیه Limitations of Maximum Margin Classifier

ماشین‌های بردار پشتیبانی Support Vector Machines

ایجاد مدل ماشین بردار پشتیبان در پایتون Creating Support Vector Machine Model in Python

• مدل های رگرسیون و طبقه بندی Regression and Classification Models

• وارد کردن و پیش پردازش داده ها در پایتون Importing and preprocessing data in Python

• استاندارد سازی داده ها Standardizing the data

• مدل رگرسیون مبتنی بر SVM در پایتون SVM based Regression Model in Python

• مدل طبقه بندی - پیش پردازش Classification model - Preprocessing

• مدل طبقه بندی - استانداردسازی داده ها Classification model - Standardizing the data

• مدل طبقه بندی مبتنی بر SVM SVM Based classification model

• تنظیم بیش از حد پارامتر Hyper Parameter Tuning

• هسته چند جمله ای با تنظیم فراپارامتر Polynomial Kernel with Hyperparameter Tuning

• هسته شعاعی با تنظیم فراپارامتر Radial Kernel with Hyperparameter Tuning

تحلیل و پیش بینی سری های زمانی Time Series Analysis and Forecasting

• مقدمه Introduction

• پیش بینی سری های زمانی - موارد استفاده Time Series Forecasting - Use cases

• ایجاد مدل پیش بینی - مراحل Forecasting model creation - Steps

• ایجاد مدل پیش بینی - مراحل 1 (هدف) Forecasting model creation - Steps 1 (Goal)

• سری زمانی - نمادهای پایه Time Series - Basic Notations

سری زمانی - پیش پردازش در پایتون Time Series - Preprocessing in Pyhton

• بارگذاری داده ها در پایتون Data Loading in Python

• سری زمانی - مبانی تجسم Time Series - Visualization Basics

• سری زمانی - تجسم در پایتون Time Series - Visualization in Python

• سری زمانی - مبانی مهندسی ویژگی Time Series - Feature Engineering Basics

• سری زمانی - مهندسی ویژگی در پایتون Time Series - Feature Engineering in Python

• سری زمانی - نمونه برداری و کاهش نمونه Time Series - Upsampling and Downsampling

• سری زمانی - نمونه برداری و کاهش نمونه در پایتون Time Series - Upsampling and Downsampling in Python

• سری زمانی - تبدیل نیرو Time Series - Power Transformation

• میانگین متحرک Moving Average

• هموارسازی نمایی Exponential Smoothing

سری زمانی - مفاهیم مهم Time Series - Important Concepts

• نویز سفید White Noise

• پیاده روی تصادفی Random Walk

• تجزیه سری زمانی در پایتون Decomposing Time Series in Python

• متمایز کردن Differencing

• تفاوت در پایتون Differencing in Python

سری زمانی - پیاده سازی در پایتون Time Series - Implementation in Python

• تست Train Split در پایتون Test Train Split in Python

• مدل ساده (پایداری) در پایتون Naive (Persistence) model in Python

• مدل رگرسیون خودکار - مبانی Auto Regression Model - Basics

• ایجاد مدل رگرسیون خودکار در پایتون Auto Regression Model creation in Python

• رگرسیون خودکار با اعتبارسنجی Walk Forward در پایتون Auto Regression with Walk Forward validation in Python

• مدل میانگین متحرک - مبانی Moving Average model -Basics

• مدل میانگین متحرک در پایتون Moving Average model in Python

سری زمانی - مدل ARIMA Time Series - ARIMA model

• ACF و PACF ACF and PACF

• مدل ARIMA - مبانی ARIMA model - Basics

• مدل ARIMA در پایتون ARIMA model in Python

• مدل ARIMA با Walk Forward Validation در پایتون ARIMA model with Walk Forward Validation in Python

سری زمانی - مدل SARIMA Time Series - SARIMA model

• مدل ساریما SARIMA model

• مدل SARIMA در پایتون SARIMA model in Python

• سری زمانی ثابت Stationary time Series

• نقطه عطف نهایی! The final milestone!

تبریک و بابت گواهینامه شما Congratulations & about your certificate

• سخنرانی پاداش Bonus Lecture