آموزش الگوریتم‌های یادگیری ماشین با پایتون در تحلیل کسب‌وکار - آخرین آپدیت

جهت‌گیری دوره و ماژول ۱: مقدمه‌ای بر یادگیری ماشین (ML) برای آزمایش و پیش‌بینی داده‌های کسب‌وکار Course Orientation and Module 1: Introduction to Machine Learning (ML) for Testing and Predicting Business Data

• مقدمه دوره Course Introduction

• درباره پروفسور کیم مندوزا About Professor Kim Mendoza

• درباره پروفسور رون گایمون About Professor Ron Guymon

• تأثیر جامعه Gies The Impact of the Gies Community

• مقدمه ماژول ۱ Module 1 Introduction

• نیاز به الگوریتم‌ها و مدل‌های داده The Need for Algorithms and Data Models

• مقدمه‌ای بر یادگیری ماشین Introduction to Machine Learning

• یادگیری ماشین و آمار در کسب‌وکار Machine Learning and Statistics in Business

• مقدمه‌ای بر گردش کار یادگیری ماشین Introduction to the Machine-Learning Workflow

• مقدمه‌ای بر مجموعه داده دوره (TECA) Introduction to the Course Data Set, TECA

• انتخاب الگوریتم Choose the Algorithm

• وظایف پردازش عمومی General Processing Tasks

• پیش‌پردازش متغیرهای طبقه‌بندی‌شده Preprocessing Categorical Variables

• پیش‌پردازش متغیرهای عددی Preprocessing Numeric Variables

• محاسبه نتایج: نمونه گردش کار طبقه‌بندی Calculate Results: Classification Workflow Example

• محاسبه نتایج: نمونه گردش کار رگرسیون Calculate Results: Regression Workflow Example

• محاسبه نتایج: نمونه گردش کار خوشه‌بندی Calculate Results: Clustering Workflow Example

• نتیجه‌گیری ماژول ۱ Module 1 Conclusion

ماژول ۲: الگوریتم‌های رگرسیون Module 2: Regression Algorithms

• مقدمه ماژول ۲ Module 2 Introduction

• مسئله کسب‌وکار Business Problem

• داده‌ها Data

• رگرسیون به چه سوالاتی پاسخ می‌دهد؟ What Problems Can Regression Answer?

• مدل‌های خطی Linear Models

• رگرسیون خطی ساده Simple Linear Regression

• رگرسیون چندگانه Multiple Regression

• پیش‌بینی با رگرسیون خطی Prediction with Linear Regression

• مدل‌های غیرخطی Non-Linear Models

• درک شهودی رگرسیون درخت تصمیم Decision Tree Regression Intuition

• کاربرد رگرسیون درخت تصمیم Decision Tree Regression Application

• نتیجه‌گیری ماژول ۲ Module 2 Conclusion

ماژول ۳: الگوریتم‌های طبقه‌بندی Module 3: Classification Algorithms

• مقدمه ماژول ۳ Module 3 Introduction

• الگوریتم‌های طبقه‌بندی Classification Algorithms

• مسئله کسب‌وکار Business Problem

• داده‌ها Data

• درک شهودی رگرسیون لجستیک Logistic Regression Intuition

• کاربرد رگرسیون لجستیک Logistic Regression Application

• ماتریس اغتشاش (Confusion Matrix) Confusion Matrix

• درک شهودی طبقه‌بندی درخت تصمیم Decision Tree Classification Intuition

• کاربرد درخت تصمیم Decision Tree Application

• درک شهودی الگوریتم KNN KNN Intuition

• کاربرد الگوریتم KNN KNN Application

• نتیجه‌گیری ماژول ۳ Module 3 Conclusion

ماژول ۴: الگوریتم‌های خوشه‌بندی Module 4: Clustering Algorithms

• مقدمه ماژول ۴ Module 4 Introduction

• مقدمه‌ای بر خوشه‌بندی Introduction to Clustering

• مسئله کسب‌وکار Business Problem

• داده‌ها Data

• درک شهودی K-Means K-Means Intuition

• کاربرد K-Means K-Means Application

• درک شهودی DBSCAN DBSCAN Intuition

• کاربرد DBSCAN DBSCAN Application

• نتیجه‌گیری ماژول ۴ Module 4 Conclusion

• یادگیری با شرایط خودتان Learn on Your Terms