آموزش طبقه‌بندی (Classification) - اصول و کاربردهای عملی - آخرین آپدیت

شروع کار Getting Started

• مقدمه دوره Course Introduction

مروری بر طبقه‌بندی Classification Overview

• طبقه‌بندی چیست What is Classification

• اکوسیستم یادگیری ماشین Machine Learning Ecosystem

• انواع طبقه‌بندی: باینری (دوگانه) Types of Classification - Binary

• انواع طبقه‌بندی: چند کلاسه Types of Classification - Multi-class

• انواع طبقه‌بندی: چند برچسبی Types of Classification - Multi-label

• موارد استفاده رایج طبقه‌بندی Common Classification Use Cases

• تجسم‌سازی طبقه‌بندی Visualizing Classification

• الگوریتم‌های طبقه‌بندی Classification Algorithms

مبانی رگرسیون لجستیک Logistic Regression Basics

• مبانی رگرسیون لجستیک Logistic Regression Basics

• تجسم‌سازی رگرسیون لجستیک Visualizing Logistic Regression

• فرض‌های رگرسیون لجستیک Logistic Regression Assumptions

• احتمال، نسبت (Odds) و لگاریتم نسبت‌ها Probability, Odds and Log Odds

• تفسیر لگاریتم نسبت‌ها و ضرایب Interpreting Log Odds and Coefficients

• سناریوی تفسیر Interpretation Scenario

• رگرسیون لجستیک در اکسل Logistic Regression in Excel

• پایتون: رگرسیون لجستیک ۱ Python - Logistic Regression 1

• پایتون: رگرسیون لجستیک ۲ Python - Logistic Regression 2

الگوریتم‌های طبقه‌بندی Classification Algorithms

• مرور الگوریتم‌ها Algorithms Overview

• نایو بیز (Naïve Bayes) Naïve Bayes

• مثال نایو بیز Naïve Bayes - Example

• کی‌نزدیک‌ترین همسایه (KNN) K-Nearest Neighbors

• مثال KNN K-Nearest Neighbors - Example

• ماشین بردار پشتیبان (SVM) Support Vector Machines

• درخت‌های تصمیم Decision Trees

• مثال درخت تصمیم Decision Trees - Example

• جنگل تصادفی (Random Forests) Random Forests

• پایتون: وارد کردن و بررسی داده‌ها Python - Import & Explore Data

• مدل‌سازی پیش‌بین بخش اول Predictive Modeling Part 1

• مدل‌سازی پیش‌بین بخش دوم Predictive Modeling Part 2

ارزیابی مدل طبقه‌بندی Classification Model Evaluation

• مبانی ارزیابی مدل Model Evaluation Basics

• ماتریس اغتشاش (Confusion Matrix) Confusion Matrix

• معیارهای ارزیابی Evaluation Metrics

• مثال ارزیابی Evaluation Example

• دقت (Precision) در مقابل فراخوانی (Recall) Precision Vs Recall

• تعادل بین دقت و فراخوانی با امتیاز F Balancing Precision and Recall with F-score

• آیا دقت (Accuracy) بهترین انتخاب است؟ Is Accuracy the Best Choice

• منحنی ROC و AUC The ROC Curve & AUC

• کم‌برازش (Underfitting) و بیش‌برازش (Overfitting) Underfitting and Overfitting

• پایتون: تنظیم حلقه‌های ارزیابی Python - Setting Up Evaluation Loops

• پایتون: معیارهای ارزیابی Python - Evaluation Metrics

• پایتون: ماتریس اغتشاش Python - Confusion Matrix

• پایتون: منحنی ROC Python - ROC Curve

• پایتون: تفسیر ROC Python - ROC Interpretation

• تفسیرپذیری (Interpretability) Interpretability

• تفسیرپذیری در مقابل توضیح‌پذیری Interpretability Vs Explainability

• اهمیت ویژگی (Feature Importance) Feature Importance

• نمودارهای وابستگی جزئی (PDP) Partial Dependence Plots

• مقادیر SHAP برای مشاهدات فردی SHAP Values for Individual Observations

جمع‌بندی دوره Course Conclusion

• نتیجه‌گیری Conclusion

ارزیابی نهایی Qualified Assessment