آموزش یادگیری ماشین کامل با R Studio - ML برای سال 2023

سرفصل ها و درس ها

به دوره خوش آمدید Welcome to the course

• معرفی Introduction

• منابع دوره Course Resources

به دوره خوش آمدید Welcome to the course

راه اندازی R Studio و دوره تصادف R Setting up R Studio and R crash course

• نصب استودیو R و R Installing R and R studio

• این یک نقطه عطف است! This is a milestone!

• مبانی استودیو R و R Basics of R and R studio

• بسته ها در R Packages in R

• وارد کردن داده ها قسمت 1: مجموعه داده های داخلی R Inputting data part 1: Inbuilt datasets of R

• وارد کردن داده ها قسمت 2: ورود دستی داده ها Inputting data part 2: Manual data entry

• وارد کردن داده ها قسمت 3: وارد کردن از فایل های CSV یا متنی Inputting data part 3: Importing from CSV or Text files

• ایجاد بارپلات در R Creating Barplots in R

• ایجاد هیستوگرام در R Creating Histograms in R

راه اندازی R Studio و دوره تصادف R Setting up R Studio and R crash course

مبانی آمار Basics of Statistics

• انواع داده ها Types of Data

• انواع آمار Types of Statistics

• توصیف داده ها به صورت گرافیکی Describing the data graphically

• اقدامات مراکز Measures of Centers

• اقدامات پراکندگی Measures of Dispersion

مبانی آمار Basics of Statistics

مقدمه ای بر یادگیری ماشین Intorduction to Machine Learning

• مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

• ساخت یک مدل یادگیری ماشینی Building a Machine Learning Model

• آزمون: مقدمه ای بر یادگیری ماشینی Quiz: Introduction to Machine Learning

مقدمه ای بر یادگیری ماشین Intorduction to Machine Learning

پیش پردازش داده ها برای تحلیل رگرسیون Data Preprocessing for Regression Analysis

• جمع آوری دانش کسب و کار Gathering Business Knowledge

• کاوش داده ها Data Exploration

• داده ها و دیکشنری داده ها The Data and the Data Dictionary

• وارد کردن مجموعه داده به R Importing the dataset into R

• تجزیه و تحلیل تک متغیره و EDD Univariate Analysis and EDD

• EDD در R EDD in R

• درمان پرت Outlier Treatment

• درمان پرت در R Outlier Treatment in R

• مقدار گمشده Missing Value imputation

• مقدار گمشده در R Missing Value imputation in R

• فصلی بودن در داده ها Seasonality in Data

• تجزیه و تحلیل دو متغیره و تبدیل متغیر Bi-variate Analysis and Variable Transformation

• تبدیل متغیر در R Variable transformation in R

• متغیرهای غیر قابل استفاده Non Usable Variables

• ایجاد متغیر ساختگی: مدیریت داده های کیفی Dummy variable creation: Handling qualitative data

• ایجاد متغیر ساختگی در R Dummy variable creation in R

• ماتریس همبستگی و رابطه علت و معلولی Correlation Matrix and cause-effect relationship

• ماتریس همبستگی در R Correlation Matrix in R

• امتحان Quiz

پیش پردازش داده ها برای تحلیل رگرسیون Data Preprocessing for Regression Analysis

مدل رگرسیون خطی Linear Regression Model

• بیان مشکل The problem statement

• معادلات پایه و روش حداقل مربعات معمولی (OLS). Basic equations and Ordinary Least Squared (OLS) method

• ارزیابی دقت ضرایب پیش بینی شده Assessing Accuracy of predicted coefficients

• ارزیابی دقت مدل - RSE و R مجذور Assessing Model Accuracy - RSE and R squared

• رگرسیون خطی ساده در R Simple Linear Regression in R

• رگرسیون خطی چندگانه Multiple Linear Regression

• F - آمار The F - statistic

• تفسیر نتیجه برای متغیر طبقه بندی Interpreting result for categorical Variable

• رگرسیون خطی چندگانه در R Multiple Linear Regression in R

• امتحان Quiz

• تست-قطار تقسیم Test-Train split

• تعارض واریانس مبادله Bias Variance trade-off

• اطلاعات بیشتر درباره تقسیم قطار آزمایشی More about test-train split

• تقسیم تست-قطار در R Test-Train Split in R

• تکلیف 1: تحلیل رگرسیون Assignment 1: Regression Analysis

مدل رگرسیون خطی Linear Regression Model

مدل های رگرسیون غیر از OLS Regression models other than OLS

• مدل های خطی غیر از OLS Linear models other than OLS

• تکنیک های انتخاب زیر مجموعه Subset Selection techniques

• انتخاب زیر مجموعه در R Subset selection in R

• روش های انقباض - رگرسیون ریج و کمند Shrinkage methods - Ridge Regression and The Lasso

• رگرسیون ریج و کمند در R Ridge regression and Lasso in R

مدل های رگرسیون غیر از OLS Regression models other than OLS

مقدمه ای بر مدل های طبقه بندی Introduction to the classification Models

• سه مدل طبقه بندی و مجموعه داده Three classification models and Data set

• وارد کردن داده ها به R Importing the data into R

• اظهارات مشکل The problem statements

• چرا نمی توانیم از رگرسیون خطی استفاده کنیم؟ Why can't we use Linear Regression?

مقدمه ای بر مدل های طبقه بندی Introduction to the classification Models

رگرسیون لجستیک Logistic Regression

• رگرسیون لجستیک Logistic Regression

• آموزش یک مدل لجستیک ساده در R Training a Simple Logistic model in R

• نتایج رگرسیون لجستیک ساده Results of Simple Logistic Regression

• لجستیک با پیش بینی های متعدد Logistic with multiple predictors

• آموزش مدل لجستیک پیش بینی کننده چندگانه در R Training multiple predictor Logistic model in R

• ماتریس سردرگمی Confusion Matrix

• ارزیابی عملکرد مدل Evaluating Model performance

• پیش بینی احتمالات، اختصاص کلاس ها و ساختن ماتریس سردرگمی در R Predicting probabilities, assigning classes and making Confusion Matrix in R

• امتحان Quiz

رگرسیون لجستیک Logistic Regression

تحلیل تشخیصی خطی Linear Discriminant Analysis

• تحلیل تشخیصی خطی Linear Discriminant Analysis

• تجزیه و تحلیل تشخیص خطی در R Linear Discriminant Analysis in R

تحلیل تشخیصی خطی Linear Discriminant Analysis

K-نزدیکترین همسایه ها K-Nearest Neighbors

• تست-قطار تقسیم Test-Train Split

• تقسیم تست-قطار در R Test-Train Split in R

• طبقه بندی کننده K-Nearest Neighbors K-Nearest Neighbors classifier

• K-نزدیکترین همسایه ها در R K-Nearest Neighbors in R

K-نزدیکترین همسایه ها K-Nearest Neighbors

مقایسه نتایج از 3 مدل Comparing results from 3 models

• درک نتایج مدل های طبقه بندی Understanding the results of classification models

• خلاصه ای از سه مدل Summary of the three models

مقایسه نتایج از 3 مدل Comparing results from 3 models

درختان تصمیم گیری ساده Simple Decision Trees

• مقدمه ای بر درختان تصمیم Introduction to Decision trees

• مبانی درختان تصمیم Basics of Decision Trees

• درک درخت رگرسیون Understanding a Regression Tree

• معیارهای توقف برای کنترل رشد درختان The stopping criteria for controlling tree growth

• منابع دوره: یادداشت ها و مجموعه داده ها Course resources: Notes and Datasets

• وارد کردن مجموعه داده به R Importing the Data set into R

• تقسیم داده ها به مجموعه تست و قطار در R Splitting Data into Test and Train Set in R

• ساختن درخت رگرسیون در R Building a Regression Tree in R

• هرس درخت Pruning a tree

• هرس درخت در R Pruning a Tree in R

درختان تصمیم گیری ساده Simple Decision Trees

درخت طبقه بندی ساده Simple Classification Tree

• درختان طبقه بندی Classification Trees

• مجموعه داده ها برای مشکل طبقه بندی The Data set for Classification problem

• ساختن درخت طبقه بندی در R Building a classification Tree in R

• مزایا و معایب درختان تصمیم Advantages and Disadvantages of Decision Trees

درخت طبقه بندی ساده Simple Classification Tree

تکنیک گروه 1 - کیسه زدن Ensemble technique 1 - Bagging

• کوله بری Bagging

• کوله بری در آر Bagging in R

تکنیک گروه 1 - کیسه زدن Ensemble technique 1 - Bagging

تکنیک گروه 2 - جنگل تصادفی Ensemble technique 2 - Random Forest

• تکنیک جنگل تصادفی Random Forest technique

• جنگل تصادفی در R Random Forest in R

تکنیک گروه 2 - جنگل تصادفی Ensemble technique 2 - Random Forest

تکنیک گروه 3 - GBM، AdaBoost و XGBoost Ensemble technique 3 - GBM, AdaBoost and XGBoost

• تکنیک های تقویت Boosting techniques

• افزایش گرادیان در R Gradient Boosting in R

• AdaBoosting در R AdaBoosting in R

• XGBoosting در R XGBoosting in R

تکنیک گروه 3 - GBM، AdaBoost و XGBoost Ensemble technique 3 - GBM, AdaBoost and XGBoost

ماشین‌های بردار پشتیبانی Support Vector Machines

• ماشین‌های بردار پشتیبانی مبتنی بر هسته Kernel Based Support Vector Machines

• امتحان Quiz

ماشین‌های بردار پشتیبانی Support Vector Machines

دسته بندی بردار پشتیبانی Support Vector Classifier

• پشتیبانی از طبقه بندی کننده های برداری Support Vector classifiers

• محدودیت های دسته بندی بردار پشتیبانی Limitations of Support Vector Classifiers

دسته بندی بردار پشتیبانی Support Vector Classifier

ایجاد مدل ماشین بردار پشتیبان در R Creating Support Vector Machine Model in R

• منابع دوره: یادداشت ها و مجموعه داده ها Course resources: Notes and Datasets

• واردات و پیش پردازش داده ها Importing and preprocessing data

• طبقه بندی مدل SVM با استفاده از هسته خطی Classification SVM model using Linear Kernel

• تنظیم فراپارامتر برای هسته خطی Hyperparameter Tuning for Linear Kernel

• هسته چند جمله ای با تنظیم فراپارامتر Polynomial Kernel with Hyperparameter Tuning

• هسته شعاعی با تنظیم فراپارامتر Radial Kernel with Hyperparameter Tuning

• مدل رگرسیون مبتنی بر SVM در R SVM based Regression Model in R

ایجاد مدل ماشین بردار پشتیبان در R Creating Support Vector Machine Model in R

تبریک و بابت گواهینامه شما Congratulations & about your certificate

• نقطه عطف نهایی! The final milestone!

• سخنرانی پاداش Bonus Lecture

تبریک و بابت گواهینامه شما Congratulations & about your certificate