آموزش آمار پایه و رگرسیون برای یادگیری ماشین در پایتون [ویدئو]

Basic Statistics and Regression for Machine Learning in Python [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: این دوره برای علاقه مندان به ML است که می خواهند آمار اولیه و رگرسیون را برای یادگیری ماشین درک کنند. این دوره با تنظیم محیط و درک اصول اولیه زبان پایتون و کتابخانه های مختلف شروع می شود. در مرحله بعد، اصول یادگیری ماشین و انواع مختلف داده را خواهید دید. پس از آن، یک تکنیک آماری به نام تحلیل گرایش مرکزی را یاد خواهید گرفت. این را ارسال کنید، روی تکنیک های آماری مانند واریانس و انحراف معیار تمرکز خواهید کرد. چندین تکنیک و مفاهیم ریاضی مانند صدک، توزیع نرمال، توزیع یکنواخت، یافتن امتیاز z، رگرسیون خطی، رگرسیون خطی چند جمله ای و رگرسیون چندگانه با کمک محاسبه دستی و توابع پایتون با پیشرفت دوره معرفی می شوند. با پیشروی مجموعه داده پیچیده تر می شود. شما از یک فایل CSV برای ذخیره مجموعه داده استفاده خواهید کرد. روش سنتی و پیچیده یافتن ضریب رگرسیون را مشاهده خواهید کرد و سپس راه‌هایی را برای حل آسان آن با برخی از توابع پایتون بررسی خواهید کرد. در نهایت، تکنیکی به نام عادی سازی یا استانداردسازی داده ها را یاد خواهید گرفت که عملکرد الگوریتم ها را در مقایسه با یک مجموعه داده غیرمقیاس بسیار بهبود می بخشد. در پایان این دوره، پایه محکمی در یادگیری ماشین و رگرسیون آماری با استفاده از پایتون به دست خواهید آورد. همه فایل‌های کد و فایل‌های مرتبط در مخزن GitHub در https://github.com/PacktPublishing/Basic-Statistics-and-Regression-for-Machine-Learning-in-Python در دسترس هستند. تحلیل گرایش مرکزی را بیاموزید مدل های آماری و تجزیه و تحلیل را بیاموزید مدل های رگرسیون و تحلیل را بیاموزید از کتابخانه های NumPy، matplotlib و scikit-learn استفاده کنید تکنیک عادی سازی یا استانداردسازی داده ها را بیاموزید این دوره برای مبتدیان و افرادی است که می خواهند ریاضیات را برای یادگیری ماشین یاد بگیرند. شما نیازی به تجربه یا دانش قبلی در زمینه کدنویسی ندارید. فقط با طرز فکر یادگیری خود در بالاترین سطح آماده باشید. افرادی که علاقه مند به یادگیری آنچه واقعاً در پشت صحنه توابع و الگوریتم های پایتون اتفاق می افتد (حداقل به روشی غیرمعمول) بسیار سود خواهند برد. دانش اولیه کامپیوتر و علاقه به یادگیری ریاضیات برای یادگیری ماشینی تنها پیش نیاز این دوره است. یک دوره جامع که شامل کدنویسی پایتون، تجسم، حلقه ها، متغیرها و توابع است * محاسبه دستی و سپس استفاده از توابع/کدهای پایتون برای درک تفاوت * مفاهیم مبتدی تا پیشرفته ریاضی و آماری که الگوریتم های یادگیری ماشین را پوشش می دهد.

سرفصل ها و درس ها

مقدمه دوره Introduction to the Course

  • معرفی دوره و فهرست مطالب Course Introduction and Table of Contents

تنظیم محیط - آماده سازی رایانه شما Environment Setup – Preparing your Computer

  • راه اندازی محیط - قسمت 1 Environment Setup – Part 1

  • راه اندازی محیط - قسمت 2 Environment Setup – Part 2

اجزای ضروری موجود در آناکوندا Essential Components Included in Anaconda

  • اجزای ضروری موجود در آناکوندا Essential Components Included in Anaconda

مبانی پایتون - تکلیف Python Basics - Assignment

  • مبانی پایتون - تکلیف Python Basics - Assignment

اصول پایتون - کنترل جریان Python Basics - Flow Control

  • اصول پایتون - کنترل جریان - قسمت 1 Python Basics - Flow Control – Part 1

  • اصول پایتون - کنترل جریان - قسمت 2 Python Basics - Flow Control – Part 2

اصول پایتون - لیست و تاپل ها Python Basics - List and Tuples

  • اصول پایتون - لیست و تاپل ها Python Basics - List and Tuples

مبانی پایتون - فرهنگ لغت و توابع Python Basics - Dictionary and Functions

  • مبانی پایتون - فرهنگ لغت و توابع - قسمت 1 Python Basics - Dictionary and Functions - Part 1

  • مبانی پایتون - فرهنگ لغت و توابع - قسمت 2 Python Basics - Dictionary and Functions - Part 2

مبانی NumPy NumPy Basics

  • مبانی NumPy - قسمت 1 NumPy Basics - Part 1

  • مبانی NumPy - قسمت 2 NumPy Basics - Part 2

مبانی Matplotlib Matplotlib Basics

  • مبانی Matplotlib - قسمت 1 Matplotlib Basics - Part 1

  • مبانی Matplotlib - قسمت 2 Matplotlib Basics - Part 2

مبانی داده برای یادگیری ماشین Basics of Data for Machine Learning

  • مبانی داده برای یادگیری ماشین Basics of Data for Machine Learning

گرایش داده مرکزی - میانگین Central Data Tendency - Mean

  • گرایش داده مرکزی - میانگین Central Data Tendency - Mean

گرایش داده مرکزی - میانه و حالت Central Data Tendency - Median and Mode

  • گرایش داده مرکزی - میانه و حالت - قسمت 1 Central Data Tendency - Median and Mode - Part 1

  • گرایش داده مرکزی - میانه و حالت - قسمت 2 Central Data Tendency - Median and Mode - Part 2

محاسبه کتابچه راهنمای واریانس و انحراف استاندارد Variance and Standard Deviation Manual Calculation

  • محاسبه کتابچه راهنمای واریانس و انحراف معیار - قسمت 1 Variance and Standard Deviation Manual Calculation - Part 1

  • محاسبه کتابچه راهنمای واریانس و انحراف معیار - قسمت 2 Variance and Standard Deviation Manual Calculation - Part 2

واریانس و انحراف استاندارد با استفاده از پایتون Variance and Standard Deviation using Python

  • واریانس و انحراف استاندارد با استفاده از پایتون Variance and Standard Deviation using Python

محاسبه دستی صدک Percentile Manual Calculation

  • محاسبه دستی صدک Percentile Manual Calculation

صدک با استفاده از پایتون Percentile using Python

  • صدک با استفاده از پایتون Percentile using Python

توزیع یکنواخت Uniform Distribution

  • توزیع یکنواخت Uniform Distribution

توزیع نرمال Normal Distribution

  • توزیع عادی - قسمت 1 Normal Distribution - Part 1

  • توزیع عادی - قسمت 2 Normal Distribution - Part 2

محاسبه دستی Z-Score Manual Z-Score calculation

  • دستی محاسبه امتیاز Z Manual Z score calculation

محاسبه Z-Score با استفاده از پایتون Z-Score calculation using Python

  • محاسبه امتیاز Z با استفاده از پایتون Z-score calculation using Python

نمودار پراکندگی مجموعه داده چند متغیره Multi Variable Dataset Scatter Plot

  • نمودار پراکندگی مجموعه داده چند متغیره Multi Variable Dataset Scatter Plot

مقدمه ای بر رگرسیون خطی Introduction to Linear Regression

  • مقدمه ای بر رگرسیون خطی Introduction to Linear Regression

یافتن دستی ضریب همبستگی رگرسیون خطی Manually Finding Linear Regression Correlation Coefficient

  • یافتن دستی ضریب همبستگی رگرسیون خطی - قسمت 1 Manually Finding Linear Regression Correlation Coefficient - Part 1

  • یافتن دستی ضریب همبستگی رگرسیون خطی - قسمت 2 Manually Finding Linear Regression Correlation Coefficient - Part 2

یافتن دستی معادله شیب رگرسیون خطی Manually Finding Linear Regression Slope Equation

  • یافتن دستی معادله شیب رگرسیون خطی - قسمت 1 Manually Finding Linear Regression Slope Equation - Part 1

  • یافتن دستی معادله شیب رگرسیون خطی - قسمت 2 Manually Finding Linear Regression Slope Equation - Part 2

پیش بینی دستی ارزش آینده با استفاده از معادله Manually Predicting the Future Value Using Equation

  • پیش بینی دستی ارزش آینده با استفاده از معادله Manually Predicting the Future Value Using Equation

رگرسیون خطی با استفاده از مقدمه پایتون Linear Regression Using Python Introduction

  • رگرسیون خطی با استفاده از مقدمه پایتون Linear Regression Using Python Introduction

رگرسیون خطی با استفاده از پایتون Linear Regression Using Python

  • رگرسیون خطی با استفاده از پایتون - قسمت 1 Linear Regression Using Python - Part 1

  • رگرسیون خطی با استفاده از پایتون - قسمت 2 Linear Regression Using Python - Part 2

رگرسیون خطی قوی و ضعیف Strong and Weak Linear Regression

  • رگرسیون خطی قوی و ضعیف Strong and Weak Linear Regression

پیش بینی ارزش آینده با استفاده از رگرسیون خطی در پایتون Predicting Future Value Using Linear Regression in Python

  • پیش بینی ارزش آینده با استفاده از رگرسیون خطی در پایتون Predicting Future Value Using Linear Regression in Python

مقدمه رگرسیون چند جمله ای Polynomial Regression Introduction

  • مقدمه رگرسیون چند جمله ای Polynomial Regression Introduction

تجسم رگرسیون چند جمله ای Polynomial Regression Visualization

  • تجسم رگرسیون چند جمله ای Polynomial Regression Visualization

پیش بینی رگرسیون چند جمله ای و مقدار R2 Polynomial Regression Prediction and R2 Value

  • پیش بینی رگرسیون چند جمله ای و مقدار R2 Polynomial Regression Prediction and R2 Value

مولفه های SD یافتن رگرسیون چند جمله ای Polynomial Regression Finding SD Components

  • مولفه های SD یافتن رگرسیون چند جمله ای Polynomial Regression Finding SD Components

رگرسیون چند جمله ای دستی معادلات روش Polynomial Regression Manual Method Equations

  • رگرسیون چند جمله ای دستی معادلات روش Polynomial Regression Manual Method Equations

یافتن اجزای SD برای abc Finding SD Components for abc

  • یافتن اجزای SD برای abc Finding SD Components for abc

پیدا کردن abc Finding abc

  • پیدا کردن abc Finding abc

معادله رگرسیون چند جمله ای و پیش بینی Polynomial Regression Equation and Prediction

  • معادله رگرسیون چند جمله ای و پیش بینی Polynomial Regression Equation and Prediction

ضریب رگرسیون چند جمله ای Polynomial Regression coefficient

  • ضریب رگرسیون چند جمله ای Polynomial Regression coefficient

مقدمه رگرسیون چندگانه Multiple Regression Introduction

  • مقدمه رگرسیون چندگانه Multiple Regression Introduction

رگرسیون چندگانه با استفاده از پایتون - وارد کردن داده به عنوان CSV Multiple Regression Using Python - Data Import as CSV

  • رگرسیون چندگانه با استفاده از پایتون - وارد کردن داده به عنوان CSV Multiple Regression Using Python - Data Import as CSV

رگرسیون چندگانه با استفاده از پایتون - تجسم داده ها Multiple Regression Using Python - Data Visualization

  • رگرسیون چندگانه با استفاده از پایتون - تجسم داده ها Multiple Regression Using Python - Data Visualization

ایجاد شی رگرسیون چندگانه و پیش بینی با استفاده از پایتون Creating Multiple Regression Object and Prediction Using Python

  • ایجاد شی رگرسیون چندگانه و پیش بینی با استفاده از پایتون Creating Multiple Regression Object and Prediction Using Python

رگرسیون چندگانه دستی - مقدمه و یافتن ابزار Manual Multiple Regression - Intro and Finding Means

  • رگرسیون چندگانه دستی - مقدمه و یافتن ابزار Manual Multiple Regression - Intro and Finding Means

رگرسیون چندگانه دستی - یافتن مؤلفه ها Manual Multiple Regression - Finding Components

  • دستی رگرسیون چندگانه - یافتن مؤلفه ها - قسمت 1 Manual Multiple Regression - Finding Components - Part 1

  • دستی رگرسیون چندگانه - یافتن مؤلفه ها - قسمت 2 Manual Multiple Regression - Finding Components - Part 2

رگرسیون چندگانه دستی - یافتن abc Manual Multiple Regression - Finding abc

  • رگرسیون چندگانه دستی - یافتن abc Manual Multiple Regression - Finding abc

پیش بینی و ضرایب معادله رگرسیون چندگانه Manual Multiple Regression Equation Prediction and Coefficients

  • پیش بینی و ضرایب معادله رگرسیون چندگانه Manual Multiple Regression Equation Prediction and Coefficients

مقدمه مقیاس بندی ویژگی Feature Scaling Introduction

  • مقدمه مقیاس بندی ویژگی Feature Scaling Introduction

مقیاس بندی استاندارد با استفاده از پایتون Standardization Scaling Using Python

  • مقیاس بندی استاندارد با استفاده از پایتون - قسمت 1 Standardization Scaling Using Python - Part 1

  • مقیاس بندی استاندارد با استفاده از پایتون - قسمت 2 Standardization Scaling using Python - Part 2

مقیاس بندی استاندارد با استفاده از محاسبه دستی Standardization Scaling Using Manual Calculation

  • مقیاس بندی استاندارد با استفاده از محاسبه دستی - قسمت 1 Standardization Scaling Using Manual Calculation - Part 1

  • مقیاس بندی استاندارد با استفاده از محاسبه دستی - قسمت 2 Standardization Scaling Using Manual Calculation - Part 2

نمایش نظرات

Packtpub یک ناشر دیجیتالی کتاب‌ها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرم‌افزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتاب‌ها، ویدیوها و دوره‌های آموزشی می‌پردازد که به توسعه‌دهندگان و متخصصان فناوری اطلاعات کمک می‌کند تا مهارت‌های خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامه‌نویسی، توسعه وب، داده‌کاوی، امنیت سایبری و هوش مصنوعی را پوشش می‌دهد. محتوای این منابع به صورت کاربردی و به‌روز ارائه می‌شود تا کاربران بتوانند دانش و توانایی‌های لازم برای موفقیت در پروژه‌های عملی و حرفه‌ای خود را کسب کنند.

آموزش آمار پایه و رگرسیون برای یادگیری ماشین در پایتون [ویدئو]
جزییات دوره
5 h 5 m
63
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Abhilash Nelson Abhilash Nelson

استاد و برنامه نویس ارشد مهندسی کامپیوتر در دبی من یک پیشگام ، با استعداد و امنیت گرا Android/iOS Mobile و PHP/Python Web Developer Application Developer با بیش از هشت سال تجربه کلی فناوری اطلاعات که شامل طراحی ، پیاده سازی ، یکپارچه سازی ، آزمایش و حمایت از تأثیر است برنامه های کامل وب و تلفن همراه. من دارنده مدرک کارشناسی ارشد کارشناسی ارشد در رشته علوم کامپیوتر و مهندسی هستم. تجربه من با برنامه نویسی PHP/Python یک مزیت اضافی برای برنامه های سرویس گیرنده Android و iOS مبتنی بر سرور است. من در حال حاضر تمام وقت به عنوان یک معمار ارشد راه حل مشغول به کار هستم که پروژه های مشتری خود را از ابتدا تا انتها مدیریت می کنم تا از طراحی با کیفیت ، ابتکاری و کاربردی اطمینان حاصل کنم.