آموزش تحلیل رگرسیون - مبانی و کاربردهای عملی - آخرین آپدیت

دانلود Regression Analysis - Fundamentals & Practical Applications

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: تحلیل رگرسیون خطی برای درک و تعیین میزان شدت رابطه بین متغیرها حیاتی است. از این تحلیل می‌توان برای پیش‌بینی یک متغیر بر اساس مقدار یک متغیر شناخته شده دیگر استفاده کرد. این دوره یک نمای کلی از رگرسیون خطی ارائه می‌دهد. شما خواهید آموخت که رگرسیون خطی چگونه کار می‌کند، چگونه مدل‌های رگرسیون خطی موثری بسازید و چگونه از اطلاعات ارائه شده توسط این مدل‌ها استفاده و آن‌ها را تفسیر کنید. علاوه بر تئوری، ما رگرسیون خطی را روی داده‌های واقعی با استفاده از اکسل و پایتون اجرا خواهیم کرد. موارد عملی که روی آن‌ها کار خواهید کرد، مشابه مواردی است که ممکن است در محیط‌های تجاری با آن‌ها مواجه شوید. پس از اتمام این دوره، شما قادر خواهید بود: • تعریف رگرسیون خطی و کاربردهای آن • انجام محاسبات رگرسیون ساده «کاغذی و قلمی» در اکسل • استفاده از پلاگین RegressIt اکسل برای حل محاسبات پیشرفته رگرسیون • ساخت مدل‌های رگرسیون خطی در پایتون با استفاده از ماژول‌های statsmodels و sklearn • توضیح مفروضات ضمنی پشت رگرسیون خطی • تفسیر خروجی‌های رگرسیون مانند ضرایب و مقادیر p-value • توصیه تکنیک‌های مختلف رگرسیون در موارد مناسب رگرسیون ابزاری حیاتی برای استنتاج یا پیش‌بینی بر اساس روابط بین متغیرها است. چه به عنوان یک مدیر کسب‌وکار و چه به عنوان یک تحلیلگر داده فعالیت کنید، تئوری‌ها و مجموعه‌ابزارهای عملی آموزش داده شده در این دوره در طول مسیر شغلی شما مفید خواهد بود. برای گذراندن این دوره نیازی به پیش‌زمینه برنامه‌نویسی پایتون نیست. مسیرهای شغلی رایج برای دانشجویانی که برنامه BIDA™ را می‌گذرانند عبارتند از: هوش تجاری (BI)، مدیریت دارایی، تحلیلگر داده، تحلیلگر کمی و سایر مشاغل حوزه مالی.

سرفصل ها و درس ها

شروع کار Getting Started

  • مقدمه دوره Course Introduction

  • اهداف یادگیری Learning Objectives

رگرسیون خطی ساده Simple Linear Regression

  • مقدمه رگرسیون خطی ساده Introduction - Simple Linear Regression

  • رگرسیون خطی ساده Simple Linear Regression

  • معادله رگرسیون خطی The Linear Regression Equation

  • حداقل مربعات معمولی (OLS) Ordinary Least Squares

  • محاسبات OLS OLS Calculation

  • برازش پارامترها Fitting the Parameters

  • نکات احتیاطی در رگرسیون Caution with Regression

  • رگرسیون در عمل Regression in Practice

  • محاسبات دستی رگرسیون در اکسل Manual Regression Calcs in Excel

  • رگرسیون با استفاده از تحلیل داده اکسل Regression using Excel Data Analysis

  • آمار توصیفی EDA با Regressit در اکسل EDA Descriptive Stats with Regressit in Excel

  • رگرسیون با Regressit در اکسل Regression with Regressit in Excel

  • سناریوی دوم Regressit Regressit Scenario 2

  • مثال پایتون ۱: وارد کردن داده‌ها و EDA Python Ex 1 - Import Data & EDA

  • مثال پایتون ۱: رگرسیون با استفاده از Statsmodels Python Ex 1 - Regression using Statsmodels

  • مثال پایتون ۲: وارد کردن داده‌ها و EDA Python Ex 2 - Import Data & EDA

  • مثال پایتون ۲: برازش مدل در Statsmodels Python Ex 2 - Fitting the model in Statsmodels

  • مثال پایتون ۲: رسم نمودار نتایج Python Ex 2 - Plotting the results

  • مثال پایتون ۳: وارد کردن داده‌ها در Statsmodels Python Ex 3 - Import Data in Statsmodels

  • مثال پایتون ۳: تقسیم داده‌های آموزش و تست در Statsmodels Python Ex 3 - Train Test Split in Statsmodels

  • مثال پایتون ۳: رسم داده‌های آموزشی Python Ex 3 - Plot Training Data

  • مثال پایتون ۳: برازش مدل رگرسیون Python Ex 3 - Fit Regression Model

  • مثال پایتون ۳: رسم نتایج Python Ex 3 - Plot the Results

  • مثال پایتون ۳: اعمال مدل روی داده‌های تست Python Ex 3 - Apply Model to test data

چالش هفته اول Week 1 Challenge

رگرسیون خطی چندگانه Multiple Linear Regression

  • مقدمه رگرسیون خطی چندگانه Introduction - Multiple Linear Regression

  • رگرسیون خطی چندگانه Multiple Linear Regression

  • هم‌خطی چندگانه (Multicollinearity) Multicollinearity

  • نکات احتیاطی در رگرسیون خطی چندگانه Caution with Multiple Linear Regression

  • رگرسیون خطی چندگانه در اکسل Multiple Linear Regression in Excel

  • بارگذاری و ارزیابی داده‌ها در پایتون Load & Assess the Data in Python

  • مدل رگرسیون چندگانه پایه در پایتون Basic Multiple Regression Model in Python

  • مدل کامل رگرسیون چندگانه Full Multiple Regression Model

  • برازش مدل رگرسیون خطی Fitting the Linear Regression Model

  • مدل رگرسیون خطی چندگانه در Scikit Learn Multiple Linear Regression Model in Scikit-Learn

تفسیر رگرسیون خطی Interpreting Linear Regression

  • مقدمه تفسیر رگرسیون خطی Introduction - Interpreting Linear Regression

  • باقیمانده‌ها (Residuals) Residuals

  • مفروضات OLS OLS Assumptions

  • مفروضات OLS: خطی بودن OLS Assumptions - Linearity

  • مفروضات OLS: نرمال بودن و ناهمگونی واریانس OLS Assumptions - Normal & Heteroscedastic

  • مفروضات OLS: میانگین خطای صفر OLS Assumptions - Zero Mean Errors

  • مفروضات OLS: درون‌زایی (Endogeneity) OLS Assumptions - Endogeneity

  • مفروضات OLS: خودهمبستگی خطاها OLS Assumptions - Autocorrelation of Errors

  • مفروضات OLS: هم‌خطی چندگانه OLS Assumptions - Multicollinearity

  • ارزیابی رگرسیون خطی Linear Regression Evaluation

  • ارزیابی رگرسیون خطی: معیارهای خطای مجذور Linear Regression Evaluation - Squared Error Metrics

  • ارزیابی رگرسیون خطی: معیارهای خطای مطلق Linear Regression Evaluation - Absolute Error Metrics

  • ارزیابی رگرسیون خطی: ضریب تعیین (R Squared) Linear Regression Evaulation - R Squared

  • ارزیابی رگرسیون خطی: ضریب تعیین تعدیل شده Linear Regression Evaluation - Adjusted R Squared

  • ضرایب رگرسیون Regression Coefficients

  • مقایسه ضرایب Compare Coefficients

  • محاسبه مقادیر p-value Calculate p-values

  • سناریوهای تفسیر Interpretation Scenarios

  • تفسیر رگرسیون خطی Interpreting Linear Regression

  • مقادیر p و ضرایب P-values & Coefficients

  • باقیمانده‌ها و نمودارهای باقیمانده Residuals & Residual Plots

  • ارزیابی رگرسیون خطی Evaluating Linear Regression

چالش هفته دوم Week 2 Challenge

رگرسیون خطی پیشرفته Advanced Linear Regression

  • مقدمه رگرسیون خطی پیشرفته Introduction - Advanced Linear Regression

  • رگرسیون خطی Log-Log Log Log Linear Regression

  • رگرسیون چندجمله‌ای Polynomial Regression

  • رگرسیون لجستیک Logistic Regression

  • رگرسیون اندازه‌گیری مکرر Repeated Measure Regression

  • مدل‌های رگرسیون قطعه‌بندی شده Segmented Regression Models

  • سایر مدل‌های پیشرفته Other Advanced Models

  • رگرسیون خطی Log-Log: بررسی مشکلات Log Log Linear Regression - Investigating Problems

  • رگرسیون خطی Log-Log: رسم نمودار لگاریتمی Log Log Linear Regression - Plotting Logs

  • رگرسیون خطی Log-Log: ارزیابی مدل Log Log Linear Regression - Model Evaluation

نتیجه‌گیری دوره Course Conclusion

  • نتیجه‌گیری دوره Course Conclusion

چالش هفته سوم Week 3 Challenge

نمایش نظرات

آموزش تحلیل رگرسیون - مبانی و کاربردهای عملی
جزییات دوره
4h 8m
69
(آخرین آپدیت)
1,264
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده