آموزش آشنایی با مدل‌سازی پیش‌بینانه - آخرین آپدیت

دانلود Introduction to Predictive Modeling

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: به دوره «آشنایی با مدل‌سازی پیش‌بینانه» خوش آمدید؛ اولین دوره از تخصص «تحلیل داده‌ها برای تصمیم‌گیری» در دانشگاه مینه‌سوتا. این دوره شما را با مفاهیم، فرآیندها و کاربردهای مدل‌سازی پیش‌بینانه، با تمرکز بر رگرسیون خطی و مدل‌های پیش‌بینی سری‌های زمانی و کاربرد عملی آن‌ها در مایکروسافت اکسل آشنا می‌کند. در پایان این دوره، شما قادر خواهید بود: - مفاهیم، فرآیندها و کاربردهای مدل‌سازی پیش‌بینانه را درک کنید. - ساختار و منطق پشت مدل‌های رگرسیون خطی را بشناسید. - مدل‌های رگرسیون خطی ساده و چندگانه را بر روی داده‌ها برازش کرده، نتایج را تفسیر کنید، میزان برازش (Goodness of Fit) را ارزیابی نمایید و از مدل‌های برازش‌شده برای پیش‌بینی استفاده کنید. - مشکل بیش‌برازش (Overfitting) و کم‌برازش (Underfitting) را درک کرده و بتوانید انتخاب مدل ساده را انجام دهید. - مفاهیم، فرآیندها و کاربردهای پیش‌بینی سری‌های زمانی را به عنوان نوع خاصی از مدل‌سازی پیش‌بینانه درک کنید. - چندین مدل پیش‌بینی سری زمانی (مانند هموارسازی نمایی و روش هولت-وینترز) را در اکسل پیاده‌سازی کرده، دقت آن‌ها را ارزیابی کنید و برای پیش‌بینی‌های آینده به کار ببرید. - انواع مختلف داده‌ها و نحوه استفاده از آن‌ها در مدل‌های پیش‌بینانه را بشناسید. - از اکسل برای آماده‌سازی داده‌ها، از جمله بررسی الگوهای داده، تبدیل داده‌ها و مدیریت مقادیر مفقود (Missing Values) استفاده کنید. این یک دوره مقدماتی در زمینه مدل‌سازی پیش‌بینانه است که ترکیبی از یادگیری مفهومی و عملی را ارائه می‌دهد. در طول دوره، فرصت‌های متعددی برای تمرین تکنیک‌های مدل‌سازی پیش‌بینانه روی مجموعه‌داده‌های واقعی با استفاده از اکسل خواهید داشت. برای موفقیت در این دوره، باید با ریاضیات پایه (مفهوم توابع، متغیرها و نمادهای پایه مانند سیگما و شاخص‌ها) و آمار مقدماتی (همبستگی، میانگین نمونه، انحراف معیار و واریانس) آشنا باشید. این دوره نیازی به پیش‌زمینه برنامه‌نویسی ندارد، اما باید با عملیات پایه اکسل (مانند فرمول‌های ساده و رسم نمودار) آشنا باشید. برای بهترین تجربه، توصیه می‌شود نسخه‌ای جدید از مایکروسافت اکسل (مانند ۲۰۱۳، ۲۰۱۶، ۲۰۱۹ یا آفیس ۳۶۵) روی سیستم شما نصب باشد.

سرفصل ها و درس ها

هفته/ماژول ۱: رگرسیون خطی ساده Week/Module 1: Simple Linear Regression

  • تخصص تحلیل داده‌ها برای تصمیم‌گیری Analytics for Decision Making Specialization

  • معرفی مدرس Personal Introduction

  • مرور کلی دوره Course Overview

  • مرور هفته/ماژول ۱: آنچه در این هفته می‌آموزید Week/Module 1 Overview: What You Will Learn This Week

  • مقدمه‌ای بر مدل‌سازی پیش‌بینانه Introduction to Predictive Modeling

  • مقدمه‌ای بر رگرسیون خطی Introduction to Linear Regression

  • درک مکانیسم‌های یک مدل رگرسیون Understanding the Mechanics of a Regression Model

  • استفاده از اکسل برای اجرای رگرسیون خطی Using Excel to Conduct Linear Regression

  • استفاده از رگرسیون خطی برای پیش‌بینی Using Linear Regression for Prediction

هفته/ماژول ۲: رگرسیون خطی چندگانه Week/Module 2: Multiple Linear Regression

  • مرور هفته ۲: رگرسیون خطی چندگانه Week 2 Overview on Multiple Linear Regression

  • رگرسیون خطی چندگانه چیست؟ What is Multiple Linear Regression?

  • درک برازش مدل و پیش‌بینی با استفاده از رگرسیون چندگانه Understand Model Fit and Prediction using Multiple Regression

  • برازش و تفسیر مدل‌های رگرسیون چندگانه با استفاده از ابزار Regression Fitting and Interpreting Multiple Regression Models using Regression Tool

  • انجام پیش‌بینی با استفاده از ابزار Regression Making Predictions using the Regression Tool

  • انجام پیش‌بینی با استفاده از تابع Trend Making Predictions using the Trend function

  • ساخت مدل‌های رگرسیون بهینه Building Good Regression Models

  • نمایشی از روش حذف رو به عقب (Backward Elimination) A Demonstration of Backward Elimination

هفته/ماژول ۳: آماده‌سازی داده‌ها Week/Module 3: Data Preparation

  • مرور هفته ۳: آماده‌سازی داده‌های شما Week 3 Overview: Preparing Your Data

  • چرا آماده‌سازی داده‌ها مهم است؟ Why Is Data Preparation Important?

  • کار با انواع مختلف متغیرها Working with Different Types of Variables

  • مدیریت انواع مختلف متغیرها Handling Different Types of Variables

  • استفاده از Pivot Table اکسل برای بررسی مقادیر ستون‌ها Using Excel Pivot Table to Explore Column Values

  • استفاده از VLOOKUP اکسل برای کدگذاری متغیرهای ترتیبی Using Excel VLOOKUP to Encode Ordinal Variables

  • استفاده از تابع IF اکسل برای کدگذاری متغیرهای اسمی Using Excel IF function to Encode Nominal Variables

  • سایر کاربردهای توابع VLOOKUP و IF Other Uses of VLOOKUP and IF functions

  • مدیریت متغیرهای تاریخ و زمان Handling Data/Time Variables

  • نمایش عملی مدیریت متغیرهای تاریخ/زمان در اکسل Excel Demonstration of Handling Data/Time Variables

  • مدیریت متغیرهای تعاملی و مرتبه بالا Handling High Order, Interaction Variables

  • متغیرهای تعاملی (Interaction Variables) Interaction Variables

  • مدیریت مقادیر مفقود و خلاصه ماژول Handling Missing Values & Module Summary

هفته/ماژول ۴: پیش‌بینی سری‌های زمانی Week/Module 4: Time Series Forecasting

  • مرور هفته ۴: پیش‌بینی سری‌های زمانی Week 4 Overview: Time Series Forecasting

  • داده‌های سری زمانی و پیش‌بینی سری‌های زمانی Time Series Data and Time Series Forecasting

  • اجزای سری‌های زمانی Components of Time Series

  • معیارهای دقت مدل Model Accuracy Metrics

  • میانگین‌های متحرک (Moving Averages) Moving Averages

  • نحوه پیش‌بینی با استفاده از مدل میانگین متحرک How to Forecast using the Moving Averages Model

  • مدل هموارسازی نمایی (Exponential Smoothing) The Exponential Smoothing Model

  • نمایش عملی هموارسازی نمایی Demonstration of Exponential Smoothing

  • میانگین‌های متحرک مضاعف Double Moving Averages

  • نمایش عملی میانگین‌های متحرک مضاعف Demonstration of Double Moving Averages

  • هموارسازی نمایی مضاعف (روش هولت) Double Exponential Smoothing (Holt's Method)

  • مدل جمعی هولت-وینترز Holt-Winters' Additive Model

  • نمایش عملی مدل جمعی هولت-وینترز A Demonstration of Holt-Winters' Additive Model

  • مدل ضربی هولت-وینترز Holt-Winters' Multiplicative Model

  • رگرسیون سری‌های زمانی Time Series Regression

  • پیش‌بینی ترکیبی (Composite Forecast) Composite Forecast

  • جمع‌بندی دوره: خلاصه‌ای از آنچه آموختید Course Wrap Up: A Summary of What You Have Learned in this Course

  • تبریک برای به پایان رساندن دوره «آشنایی با مدل‌سازی پیش‌بینانه»! Congratulations on Finishing "Introduction to Predictive Modeling"!

  • دانشکده مدیریت کارلسون: برنامه کارشناسی ارشد تحلیل کسب‌وکار (MSBA) Carlson School of Management: Master of Science Program in Business Analytics (MSBA)

نمایش نظرات

آموزش آشنایی با مدل‌سازی پیش‌بینانه
جزییات دوره
12h 22m
49
(آخرین آپدیت)
15,024
4.8 از 5
دارد
دارد
دارد
De Liu
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar