آموزش تئوری احتمال و رگرسیون برای تحلیل‌های پیش‌بینانه - آخرین آپدیت

دانلود Probability Theory and Regression for Predictive Analytics

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: با دوره «تئوری احتمال و رگرسیون برای تحلیل‌های پیش‌بینانه»، توانمندی‌های خود را در علوم داده متحول کنید. این برنامه آموزشی برای ارائه مهارت‌های ضروری ریاضی و آماری مورد نیاز برای مدل‌سازی پیش‌بینانه و تحلیل داده‌ها طراحی شده است. در مفاهیم احتمالات، از جمله احتمال شرطی، قضیه بیز و توزیع‌های مختلف احتمالی عمیق شوید و سپس تکنیک‌های رگرسیون را برای ارتقای توانایی خود در پیش‌بینی و تفسیر روندهای داده‌ها به کار بگیرید. در ابتدا با درک و محاسبه احتمالات شرطی و یادگیری قضیه بیز برای استنتاج احتمالی شروع خواهید کرد. سپس توزیع‌های مختلف احتمالی مانند توزیع برنولی، دوجمله‌ای، هندسی، پوآسون و نرمال را که برای مدل‌سازی و تحلیل داده‌ها بنیادی هستند، بررسی می‌کنید. در مراحل پیشرفته‌تر، وارد مبحث رگرسیون حداقل مربعات معمولی (OLS) شده و با استفاده از ترانهاده ماتریس و تکنیک‌های احتمالی، مدل‌های خطی را بر داده‌ها برازش می‌دهید. درک عمیق‌تری از متدولوژی‌های تحلیل رگرسیون، از مبانی تا موضوعات پیشرفته از جمله هم‌خطی (Multicollinearity)، اثرات متقابل، رگرسیون لاسو (Lasso) و رگرسیون لجستیک به دست خواهید آورد. در نهایت با انجام تکالیف عملی و پروژه‌های واقعی، تئوری احتمال و تکنیک‌های رگرسیون را با استفاده از پایتون به عنوان ابزاری قدرتمند برای آمار و تحلیل‌های پیش‌بینانه پیاده‌سازی می‌کنید. در پایان این دوره، شما دارای پایه‌ای مستحکم برای مواجهه با موضوعات پیشرفته علوم داده خواهید بود.

سرفصل ها و درس ها

احتمالات شرطی، قضیه بیز و تئوری احتمال Conditional Probabilities, Bayes' Theorem, and Probability Theory

  • خوش‌آمدگویی به دوره تئوری احتمال و رگرسیون برای تحلیل‌های پیش‌بینانه Welcome to Probability Theory and Regression for Predictive Analytics

  • درس ۱: مقدمه‌ای بر تئوری احتمال Lecture 1: Intro to Probability Theory

  • درس ۲: احتمال به عنوان مساحت Lecture 2: Probability is Area

  • درس ۳: احتمال شرطی Lecture 3: Conditional Probability

  • درس ۴: قضیه بیز Lecture 4: Bayes' Theorem

  • درس ۵: برنامه‌نویسی استنتاج بیزی برای یادگیری از داده‌ها Lecture 5: Programming Bayesian Inference to Learn from Data

  • درس ۶: توزیع برنولی Lecture 6: Bernoulli Distribution

  • درس ۷: توزیع دوجمله‌ای Lecture 7: Binomial Distribution

  • درس ۸: توزیع هندسی Lecture 8: Geometric Distribution

  • درس ۹: توزیع پوآسون Lecture 9: Poisson Distribution

  • درس ۱۰: توزیع یکنواخت گسسته Lecture 10: Discrete Uniform Distribution

  • درس ۱۱: توزیع نرمال Lecture 11: Normal Distribution

  • درس ۱۲: توزیع t-استیودنت Lecture 12: Student's t Distribution

  • درس ۱۳: آزمون فرض Lecture 13: Hypothesis Testing

تحلیل رگرسیون پیشرفته Advanced Regression Analysis

  • درس ۱: کوواریانس و همبستگی Lecture 1: Covariance and Correlation

  • درس ۲: همبستگی در مقابل علیت Lecture 2: Correlation Vs. Causation

  • درس ۳: مرور رگرسیون OLS Lecture 3: Refresher on OLS Regression

  • درس ۴: تفسیر ضرایب رگرسیون Lecture 4: Interpreting Regression Coefficients

  • درس ۵: اثر متقابل - آیا مدل رگرسیون OLS درست است؟ Lecture 5: Interaction–Is the OLS Regression Model Correct?

  • درس ۶: هم‌خطی در رگرسیون OLS Lecture 6: Multicollinearity in OLS Regression

  • درس ۷: ضریب تعیین - اندازه‌گیری عملکرد مدل Lecture 7: Coefficient of Determination–Measuring Model Performance

  • درس ۸: رگرسیون لاسو Lecture 8: Lasso Regression

  • درس ۹: رگرسیون لجستیک Lecture 9: Logistic Regression

نمایش نظرات

آموزش تئوری احتمال و رگرسیون برای تحلیل‌های پیش‌بینانه
جزییات دوره
12h 0m
23
(آخرین آپدیت)
616
- 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