آموزش مدل‌سازی پیش‌بینانه با پایتون - آخرین آپدیت

داده‌ها و اطلاعات Data and Information

• معرفی دوره Course Introduction

• انواع داده‌ها Data Types

• داده‌های طبقه‌بندی شده Categorical Data

• داده‌های اسمی Nominal Data

• نمایش انواع داده‌ها و توصیف مجموعه داده Demonstration of Data Types - Dataset Description

• نمایش انواع داده‌ها Demonstration of Types

• آمار چیست؟ What is Statistics?

• معیارهای گرایش به مرکز Measures of Central Tendency

• نمایش معیارهای گرایش به مرکز Demonstration of Central Tendency

• معیارهای پراکندگی Measures of Dispersion

• نمایش معیارهای پراکندگی Demonstration: Measures of Dispersion

• خلاصه داده‌ها و اطلاعات Summary of Data and Information

تابع توزیع احتمال Probability Distribution Function

• تابع چگالی و جرم احتمال Probability Density and Mass Function

• تابع توزیع تجمعی Cumulative Distribution Function

• احتمال گسسته Discrete Probability

• توزیع برنولی منفی Negative Bernoulli Distribution

• نمایش توزیع برنولی منفی Demonstration of Negative Bernoulli Distribution

• توزیع هندسی Geometric Distribution

• نمایش توزیع هندسی Demonstration of Geometric Distribution

• توزیع پوآسون Poisson Distribution

• مثال توزیع پوآسون Example of Poisson Distribution

• نمایش توزیع پوآسون Demonstration of Poisson Distribution

• توزیع احتمال پیوسته Continuous Probability Distribution

• توزیع یکنواخت Uniform Distribution

• توزیع نمایی Exponential Distribution

• نمایش توزیع نمایی Demonstration of Exponential Distribution

• توزیع نرمال Normal Distribution

• نمایش توزیع نرمال Demonstration of Normal Distribution

• خلاصه توابع توزیع احتمال Summary of Probability Distribution Functions

آمار استنباطی Inferential Statistics

• قضیه حد مرکزی Central Limit Theorem

• نمایش قضیه حد مرکزی Demonstration of Central Limit Theorem

• نمایش: نتیجه‌گیری قضیه حد مرکزی Demontration: Conclusion of Central Limit Theorem

• جامعه و فضای نمونه Population and Sample Space

• پارامتر و آمار Parameter and Statistics

• اشکال آمار استنباطی Forms of Inferential Statistics

• برآورد نقطه‌ای و بازه‌ای Point and Interval Estimation

• بیشینه احتمال (MLE) Maximum Likelihood

• نمایش کاوش در داده‌ها Demonstration Exploring Data

• نمایش: استخراج داده‌های نمونه Demonstration: Drawing Sample Data

• آزمون فرضیه Hypothesis Testing

• مثال آزمون فرضیه Hypothesis Testing Example

• پیاده‌سازی تست‌های آماری Statistical Test Implementation

• تست‌های یک‌دامنه و دو‌دامنه One Tailed and Two Tailed Test

• تست Z و تست T Z - Test and T - Test

• تحلیل توان (Power Analysis) Power Analysis

• نمایش فاصله اطمینان و حاشیه خطا Demonstration of Confidence Interval and Margin of Error

• نمایش آزمون فرضیه Demonstration of Hypothesis Testing

• نمایش تحلیل توان Demonstrating Power Analysis

• تست کای-اسکوئر (Chi-Square) Chi - Square Test

• همبستگی پیرسون و اسپیرمن Pearson and Spearman Correlation

• نمایش تست کای-اسکوئر Chi square Test Demonstration

• نمایش همبستگی پیرسون Pearson Correlation Demonstration

• نمایش همبستگی اسپیرمن Spearman Correlation Demonstration

• آنالیز واریانس (ANOVA) ANOVA

• مثال ANOVA یک‌طرفه - بخش اول Example for One Way ANOVA - Part 1

• مثال ANOVA دوطرفه - بخش دوم Example for Two Way ANOVA - Part 2

• نمایش ANOVA یک‌طرفه Demonstration for One way ANOVA

• نمایش ANOVA دوطرفه Demonstration for Two way ANOVA

• خلاصه آمار استنباطی Summary for Inferential Statistics

مقدمه‌ای بر تحلیل اکتشافی داده‌ها (EDA) Introduction to (Exploratory Data Analysis) EDA

• تحلیل EDA چیست؟ What is EDA?

• تحلیل تک‌متغیره: داده‌ها و داده‌های پرت Univariate Analysis: Data and Outliers

• تحلیل تک‌متغیره: کشیدگی و انواع نمودارها Univariate Analysis: Kurtosis and Chart Types

• تحلیل چندمتغیره Multivariate Analysis

• تحلیل چندمتغیره: کوواریانس، همبستگی و تداعی Multivariate Analysis: Covariance, Correlation, and Association

• تحلیل چندمتغیره: ماتریس همبستگی Multivariate Analysis: Correlation Matrix

• تحلیل چندمتغیره: نمودارهای پراکندگی و نقشه‌های حرارتی (HeatMaps) Multivariate Analysis: Scatter Plots and HeatMaps

• شناسایی و مدیریت داده‌های گم‌شده Identifying and Handling Missing Data

• روش‌های نمونه‌برداری Sampling Methods

• جایگزینی با میانگین، میانه و مد Mean Median Mode Imputation

• نرمال‌سازی و استانداردسازی داده‌ها Data Normalization and Standardization

• روش‌های تبدیل داده‌ها Methods to Transform Data

• جایگزینی تک‌متغیره، دو‌متغیره و چندمتغیره Univariate, Bivariate and Multivariate Imputation

• نمایش ۱: درک داده‌ها Demonstration I: Understanding the Data

• نمایش ۲: بصری‌سازی و مدیریت داده‌های گم‌شده Demonstration II: Visualizing and Handling Missing Data

• نمایش ۳: مقیاس‌بندی و جایگزینی داده‌ها Demonstration III: Scaling and Imputation of Data

• نمایش ۴: تقسیم داده‌ها به آموزش و تست Demonstration IV: Train Test Split

• نمایش ۵: اعتبارسنجی متقاطع Stratified K-Fold Demonstration V: Stratified K-Fold Cross-Validation

• نمایش ۶: نمونه‌برداری و ارزیابی Demonstration VI: Sampling and Evaluation

• مقدمه‌ای بر مهندسی ویژگی‌ها (Feature Engineering) Introduction to Feature Engineering

• تبدیل ویژگی‌ها Feature Transformation

• کدگذاری: One Hot Encoding Encoding: One Hot Encoding

• کدگذاری: Label Encoding Encoding: Label Encoding

• کتابخانه Autofeat Autofeat Library

• نمایش ۱: تعریف سناریو Demonstration I: Setting up the Scenario

• نمایش ۲: تبدیل داده‌ها Demonstration II: Data Transformation

• نمایش ۳: کدگذاری Demonstration III: Encoding

• نمایش ۴: استفاده از Autofeat Demonstration IV: Autofeat

• خلاصه مقدمه‌ای بر EDA Summary for Introduction to EDA

مدل‌سازی و تحلیل پیش‌بینانه Predictive Modeling and Analysis

• مقدمه‌ای بر رگرسیون خطی Introduction to Linear Regression

• پیش‌فرض‌های رگرسیون خطی Assumptions in Linear Regression

• نحوه عملکرد رگرسیون خطی Working of Linear Regression

• تابع هزینه در رگرسیون خطی Cost function in Linear Regression

• گرادیان کاهشی در رگرسیون خطی Gradient Descent in Linear Regression

• نمایش رگرسیون خطی: ساخت مدل Demonstration of Linear Regression: Building Model

• نمایش رگرسیون خطی: تست مدل Demonstration of Linear Regression: Testing the Model

• رگرسیون لجستیک Logistic Regression

• تابع هزینه در رگرسیون لجستیک Cost function in Logistic Regression

• گرادیان کاهشی در رگرسیون لجستیک Gradient Descent in Logistic Regression

• اهمیت تابع سیگموئید Importance of Sigmoid Function

• نمایش: رگرسیون لجستیک - پیش‌پردازش داده‌ها Demonstration: Logistic Regression - Data Processing

• نمایش: رگرسیون لجستیک - اجرای مدل Demonstration: Logistic Regression - Model Execution

• طبقه بندی در یادگیری ماشین Classification in Machine Learning

• درخت تصمیم بخش اول: درخت تصمیم چیست؟ Decision Tree Part 1: What is Decision Tree?

• درخت تصمیم بخش دوم: جنگل تصادفی (Random Forest) چیست؟ Decision Tree Part 2: What is Random Forest?

• اصطلاحات پایه درخت تصمیم Basic Terminologies of Decision Tree

• نحوه عملکرد درخت تصمیم Working of Decision Tree

• ساخت یک درخت تصمیم Building a Decision Tree

• مزایا و معایب درخت تصمیم Advantages and Disadvantages of Decision Tree

• نمایش بخش اول: توضیح سناریو Demonstration Part 1: Explaining the Scenario

• نمایش بخش دوم: کاوش در داده‌ها Demonstration Part 2: Exploring the Data

• نمایش بخش سوم: گزارش پروفایلینگ Demonstration Part 3: Profiling Report

• نمایش بخش چهارم: تحلیل ریزش و نمودار تک‌متغیره Demonstration Part 4: Attrition and Univariate Graph

• نمایش بخش پنجم: پیش‌پردازش داده‌ها Demonstration Part 5: Data Pre - processing

• نمایش بخش ششم: ساخت درخت تصمیم Demonstration Part 6: Building Decision Tree

• نمایش بخش هفتم: طبقه‌بند درختی Demonstration Part 7:Tree Classifier

• نمایش بخش هشتم: مزایا و معایب Demonstration Part 8: Pros and Cons

• مثال جنگل تصادفی بخش اول: یادگیری جمعی و Bagging Random Forest Example Part 1: Ensemble Learning and Bagging

• مثال جنگل تصادفی بخش دوم: نحوه عملکرد جنگل تصادفی Random Forest Example Part 2: Working of Random Forest

• معیارهای عملکرد رگرسیون: MAE و MAPE Performance Metrics for Regression - MAE and MAPE

• معیارهای عملکرد رگرسیون: MSE, RMSE, RMSLE و R square Performance Metrics for Regression - MSE, RMSE, RMSLE and R-square

• ماتریس درهم‌ریختگی (Confusion Matrix) Confusion Matrix

• منحنی ROC و مقدار AUC ROC and AUC

• تنظیم هایپرپارامترها و بهینه‌سازی Hyperparameter Tuning and Optimization

• انتخاب مدل Model Selection

• ارزیابی مدل Model Evaluation

• توازن میان بایاس و واریانس Bias Variance Trade-off

• اعتبارسنجی متقاطع (Cross Validation) Cross Validation

• نمایش ۱: جستجوی شبکه‌ای (Grid Search) - تحلیل داده‌ها Demonstration I: Grid Search - Analyze the Data

• نمایش ۲: جستجوی شبکه‌ای - ساخت مدل Demonstration II: Grid Search - Building Model

• خلاصه مدل‌های پیش‌بینانه Summary of Predictive Models

جمع‌بندی دوره و ارزیابی Course Wrap-Up and Assessment

• جمع‌بندی دوره مدل‌سازی پیش‌بینانه با پایتون Course Summary of Predictive Modeling with Python