آموزش مبانی جبر خطی و رگرسیون برای علوم داده - آخرین آپدیت

دانلود Linear Algebra and Regression Fundamentals for Data Science

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: با دوره «مبانی جبر خطی و رگرسیون برای علوم داده»، مهارت‌های ریاضی ضروری را که زیربنای مطالعات پیشرفته در علوم داده است، فرا بگیرید. این برنامه جامع بر کاربردهای عملی به جای مفاهیم تئوریک تمرکز دارد تا اطمینان حاصل شود که شما تجربه عملی کار با پایتون و کتابخانه‌های قدرتمند آن را به دست می‌آورید. در ابتدا با تسلط بر مفاهیم جبر خطی، یاد می‌گیرید که محاسبات برداری و عملیات ماتریسی را انجام دهید و مقادیر ویژه و بردارهای ویژه را با استفاده از NumPy محاسبه کنید. درک کنید که چگونه این اصول برای وظایف علوم داده، از دستکاری داده‌ها گرفته تا محاسبات پیچیده با مجموعه‌داده‌های بزرگ، حیاتی هستند. سپس به حل سیستم‌های معادلات خطی با تکنیک‌های جایگزینی عقب‌رونده (Backsolving) و معکوس‌سازی ماتریس با استفاده از بسته Pandas پایتون برای مدیریت بهینه داده‌ها می‌پردازید. بررسی کنید که چگونه این روش‌ها در سناریوهای واقعی به کار می‌روند و اهمیت سیستم‌های خطی در تحلیل داده‌ها را درک کنید. مهارت‌های خود را با رگرسیون حداقل مربعات معمولی (OLS) ارتقا دهید و یاد بگیرید که چگونه با استفاده از تکنیک‌های احتمالی و ترانهاده ماتریس، مدل‌های خطی را بر داده‌ها برازش کنید. این دوره شما را در استفاده از تحلیل رگرسیون برای تفسیر و پیش‌بینی روندهای داده‌ها راهنمایی می‌کند که آن را به ابزاری حیاتی برای هر دانشمند داده تبدیل می‌کند. از طریق تکالیف عملی و پروژه‌های واقعی، تکنیک‌های جبر خطی و رگرسیون را برای حل مسائل پیچیده، بصری‌سازی داده‌ها و استخراج بینش‌های معنادار به کار خواهید گرفت. در پایان این دوره، شما پایه ریاضی محکمی برای علوم داده پیشرفته خواهید داشت و قادر خواهید بود از پایتون برای تحلیل موثر داده‌ها و تصمیم‌گیری‌های استراتژیک استفاده کنید.

سرفصل ها و درس ها

پودمان اول: جبر خطی Module 1: Linear Algebra

  • خوش‌آمدگویی به دوره مبانی جبر خطی و رگرسیون برای علوم داده Welcome to Linear Algebra and Regression Fundamentals for Data Science

  • بررسی ساختار داخلی Under the Hood

  • درس اول پودمان ۱: معادلات خطی چیستند؟ M1 Lecture 1: What Are Linear Equations?

  • درس دوم پودمان ۱: صفحه خطی M1 Lecture 2: Linear Plane

  • درس سوم پودمان ۱: بردارها چیستند؟ M1 Lecture 3: What are Vectors?

  • درس چهارم پودمان ۱: بردارها در فیزیک M1 Lecture 4: Physics - Vectors

  • درس پنجم پودمان ۱: ضرب داخلی بردارها M1 Lecture 5: Vector - Dot Product

  • درس ششم پودمان ۱: برنامه‌نویسی برداری M1 Lecture 6: Vector Programming

  • درس هفتم پودمان ۱: ماتریس‌ها M1 Lecture 7: Matrices

  • درس هشتم پودمان ۱: فضای ویژه M1 Lecture 8: Eigenspace

  • درس نهم پودمان ۱: یافتن بردارهای ویژه M1 Lecture 9: Finding Eigenvectors

  • درس دهم پودمان ۱: برنامه‌نویسی ماتریس‌ها M1 Lecture 10: Programming Matrices

  • درس یازدهم پودمان ۱: مثال - چهره‌های ویژه و فشرده‌سازی داده‌ها M1 Lecture 11: Example - Eigenfaces and Data Compression

پودمان دوم: سیستم‌های خطی Module 2: Linear Systems

  • درس اول پودمان ۲: سیستم‌های معادلات خطی M2 Lecture 1: Systems of Linear Equations

  • درس دوم پودمان ۲: جایگزینی عقب‌رونده و معکوس‌سازی ماتریس‌ها M2 Lecture 2: Backsolving and Inverting Matrices

  • درس سوم پودمان ۲: چالش‌های جایگزینی عقب‌رونده M2 Lecture 3: Perils in Backsolving

  • درس چهارم پودمان ۲: برنامه‌نویسی پایتون و معکوس‌سازی ماتریس‌ها M2 Lecture 4: Python Programming and Inverting Matrices

  • درس پنجم پودمان ۲: مثال جایگزینی عقب‌رونده - عدسی گرانشی M2 Lecture 5: Backsolving Example - Gravitational Lensing

پودمان سوم: معرفی رگرسیون حداقل مربعات معمولی Module 3: Introduction to Ordinary Least Squares Regression

  • درس اول پودمان ۳: شکست در جایگزینی عقب‌رونده M3 Lecture 1: Failure to Backsolve

  • درس دوم پودمان ۳: حل سیستم‌های خطی بیش‌تعیین با ترانهاده ماتریس M3 Lecture 2: Solving Overdetermined Linear Systems with Matrix Transpose

  • درس سوم پودمان ۳: حل احتمالی سیستم‌های خطی با روش OLS M3 Lecture 3: Solving Linear Systems Probabilistically with OLS

  • درس چهارم پودمان ۳: برازش معادلات خطی بر داده‌ها M3 Lecture 4: Fitting Linear Equations to Data

  • درس پنجم پودمان ۳: مثال رگرسیون - فروش خانه و امکانات رفاهی M3 Lecture 5: Regression Example - Home Sales and Amenities

نمایش نظرات

آموزش مبانی جبر خطی و رگرسیون برای علوم داده
جزییات دوره
16h 26m
23
(آخرین آپدیت)
3,923
- 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