آموزش تحلیل پیش‌بینانه کاربردی: مدل‌ها و روش‌ها - آخرین آپدیت

استنباط آماری کاربردی Practical Statistical Inference

• مقدمه: علم بد و اشتباهات رایج Appetite Whetting: Bad Science

• آزمون فرضیه Hypothesis Testing

• آزمون‌های معناداری و P-Valueها Significance Tests and P-Values

• مثال: تفاوت میانگین‌ها Example: Difference of Means

• استخراج توزیع نمونه‌برداری Deriving the Sampling Distribution

• آزمون Shuffle برای معناداری Shuffle Test for Significance

• مقایسه روش‌های کلاسیک و بازنمونه‌گیری Comparing Classical and Resampling Methods

• روش بوت‌استرپ (Bootstrap) Bootstrap

• نکات مهم در بازنمونه‌گیری Resampling Caveats

• داده‌های پرت و تبدیل رتبه‌ای Outliers and Rank Transformation

• مثال: آزمون خی-دو (Chi Squared) Example: Chi-Squared Test

• بازبینی علم بد: سوگیری در انتشار Bad Science Revisited: Publication Bias

• اندازه اثر (Effect Size) Effect Size

• فرا-تحلیل (Meta analysis) Meta-analysis

• تقلب و قانون بنفورد Fraud and Benford's Law

• درک شهودی قانون بنفورد Intuition for Benford's Law

• توضیح بصری قانون بنفورد Benford's Law Explained Visually

• آزمون فرضیات چندگانه: اصلاحات بونفرونی و سیداک Multiple Hypothesis Testing: Bonferroni and Sidak Corrections

• آزمون فرضیات چندگانه: نرخ کشف اشتباه (FDR) Multiple Hypothesis Testing: False Discovery Rate

• آزمون فرضیات چندگانه: روش بنجامینی-هاچبرگ Multiple Hypothesis Testing: Benjamini-Hochberg Procedure

• داده‌های بزرگ و همبستگی‌های کاذب Big Data and Spurious Correlations

• همبستگی‌های کاذب: مثال قیمت سهام Spurious Correlations: Stock Price Example

• تفاوت داده‌های بزرگ در چیست؟ How is Big Data Different?

• رویکرد بیزی در مقابل فراوانی‌گرا Bayesian vs. Frequentist

• انگیزه برای استفاده از رویکردهای بیزی Motivation for Bayesian Approaches

• قضیه بیز Bayes' Theorem

• به‌کارگیری قضیه بیز Applying Bayes' Theorem

• نایو بیز: فیلتر کردن اسپم Naive Bayes: Spam Filtering

یادگیری نظارت شده Supervised Learning

• آمار در مقابل یادگیری ماشین Statistics vs. Machine Learning

• مثال‌های ساده Simple Examples

• ساختار یک مسئله یادگیری ماشین Structure of a Machine Learning Problem

• طبقه‌بندی با قوانین ساده Classification with Simple Rules

• یادگیری قوانین Learning Rules

• قوانین: پوشش متوالی Rules: Sequential Covering

• مرور کلی قوانین Rules Recap

• از قوانین به درخت‌ها From Rules to Trees

• آنتروپی Entropy

• اندازه‌گیری آنتروپی Measuring Entropy

• استفاده از بهره اطلاعاتی برای ساخت درخت‌ها Using Information Gain to Build Trees

• ساخت درخت‌ها: الگوریتم ID3 Building Trees: ID3 Algorithm

• ساخت درخت‌ها: الگوریتم C.45 Building Trees: C.45 Algorithm

• مرور کلی قوانین و درخت‌ها Rules and Trees Recap

• بیش‌برازش (Overfitting) Overfitting

• ارزیابی: اعتبارسنجی متقاطع Leave-One-Out Evaluation: Leave One Out Cross Validation

• ارزیابی: دقت و منحنی‌های ROC Evaluation: Accuracy and ROC Curves

• بازبینی روش بوت‌استرپ Bootstrap Revisited

• مجموعه‌ها، بگینگ و بوستینگ Ensembles, Bagging, Boosting

• بررسی گام‌به‌گام بوستینگ Boosting Walkthrough

• جنگل‌های تصادفی (Random Forests) Random Forests

• جنگل‌های تصادفی: اهمیت متغیرها Random Forests: Variable Importance

• خلاصه: درخت‌ها و جنگل‌ها Summary: Trees and Forests

• نزدیک‌ترین همسایه (Nearest Neighbor) Nearest Neighbor

• نزدیک‌ترین همسایه: توابع شباهت Nearest Neighbor: Similarity Functions

• نزدیک‌ترین همسایه: نفرین ابعاد Nearest Neighbor: Curse of Dimensionality

بهینه‌سازی Optimization

• بهینه‌سازی با گرادیان کاهشی (Gradient Descent) Optimization by Gradient Descent

• تصویر بصری گرادیان کاهشی Gradient Descent Visually

• جزئیات گرادیان کاهشی Gradient Descent in Detail

• گرادیان کاهشی: سوالاتی برای تامل Gradient Descent: Questions to Consider

• درک شهودی رگرسیون لجستیک Intuition for Logistic Regression

• درک شهودی ماشین‌های بردار پشتیبان (SVM) Intuition for Support Vector Machines

• مثال ماشین بردار پشتیبان Support Vector Machine Example

• درک شهودی منظم‌سازی (Regularization) Intuition for Regularization

• درک شهودی رگرسیون LASSO و Ridge Intuition for LASSO and Ridge Regression

• گرادیان کاهشی تصادفی و دسته‌ای Stochastic and Batched Gradient Descent

• موازی‌سازی گرادیان کاهشی Parallelizing Gradient Descent

یادگیری بدون نظارت Unsupervised Learning

• مقدمه‌ای بر یادگیری بدون نظارت Introduction to Unsupervised Learning

• الگوریتم K-means K-means

• الگوریتم DBSCAN DBSCAN

• DBSCAN: چگالی متغیر و الگوریتم‌های موازی DBSCAN Variable Density and Parallel Algorithms