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
نمایش نظرات