آموزش تجزیه و تحلیل رگرسیون برای مدیران کسب و کار در پایتون و R

Regression Analysis for Business Managers in Python and R

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: نحوه استفاده از رگرسیون های خطی و لجستیک را با حل 2 مطالعه موردی تجاری در پایتون و R بیاموزید. الگوهای کد گنجانده شده است مفاهیم اساسی رگرسیون خطی را درک کنید و بتوانید یک مدل خطی را در برنامه نویسی پایتون یا R قرار دهید. انجام یک تحلیل آماری برای تعیین اهمیت متغیرهای مختلف در یک مدل رگرسیون خطی. پیاده سازی مدل های رگرسیون خطی و چند خطی در یک محیط تجاری با استفاده از برنامه نویسی پایتون یا R. نحوه استفاده از داده های قیمت گذاری برای اطلاع رسانی تصمیمات تجاری، مانند تعیین قیمت برای محصولات یا خدمات را بدانید. از بینش های تجاری برای اطلاع از توسعه مدل های رگرسیون خطی و چند خطی استفاده کنید. با استفاده از مدل های رگرسیون خطی و چند خطی در مورد نتایج آینده پیش بینی کنید. تجزیه و تحلیل داده های ریزش برای شناسایی علل از دست دادن مشتری و استراتژی های حفظ. ارزیابی عملکرد مدل های رگرسیون خطی و چند خطی. پیش نیازها: ریاضی پایه: میانگین، میانه، انحراف معیار

تحلیل رگرسیون رایج ترین ابزاری است که در اختیار هر کسی است که به دنبال تجزیه و تحلیل داده است. اگر به دنبال به دست آوردن بینش معنی دار از داده های خود هستید، این دوره برای شما مناسب است.

3 دلیل منحصر به فرد این دوره:

شما نه تنها تکنیک ها را یاد می گیرید، بلکه در مورد تجارت نیز یاد می گیرید. آموزش های شهودی شروع خود را به توضیح دادن ارتباط مشکل تجاری برای شما اختصاص داده است. تا پایان دوره، می‌توانید در مورد مسائل مربوط به قیمت‌گذاری یا کاهش مشتری با سهامداران خود صحبت کنید.

تجربه زندگی واقعی. کدنویسی یک رگرسیون فقط شامل چند خط کد است. با این حال، زندگی به این سادگی نیست. تقریباً همیشه، یک مجموعه داده کثیف دریافت می‌کنید که باید آن را تبدیل و دستکاری کنید تا آن را به یک مجموعه داده قابل استفاده و مفید تبدیل کنید. آموزش های تمرینی آینه آن تجربه است. ما تکنیک‌های استاندارد را برای:

مرور خواهیم کرد
  1. تغییر داده ها

  2. موارد پرت را مجسم کنید

  3. بررسی بهترین متغیرها برای استفاده.

ما با هم کد می نویسیم. در R یا Python، من شما را در هر مرحله راهنمایی می‌کنم و تمام مراحل لازم برای ایجاد یک تحلیل رگرسیون عالی را توضیح می‌دهم.

آیا من علاقه شما را برانگیختم؟ من مشتاقانه منتظر دیدار شما در داخل دوره هستم.


سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • نصب پایتون و اسپایدر Installing Python and Spyder

  • نصب R و RStudio Installing R and RStudio

  • چگونه از دوره بیشتر به دست آوریم How to get more from the course

  • بررسی ها و آینده این دوره Reviews and future of this course

معرفی Introduction

  • معرفی Introduction

  • نصب پایتون و اسپایدر Installing Python and Spyder

  • نصب R و RStudio Installing R and RStudio

  • چگونه از دوره بیشتر به دست آوریم How to get more from the course

  • بررسی ها و آینده این دوره Reviews and future of this course

رگرسیون خطی - شهود Linear Regression - Intuition

  • اهداف رگرسیون خطی Linear Regression objectives

  • چه چیزی بر قیمت گذاری تاثیر می گذارد What influences pricing

  • عوامل تقاضای قیمت گذاری Pricing demand factors

  • عوامل تقاضای عرضه Supply demand factors

  • رگرسیون خطی Linear Regression

  • خلاصه رگرسیون خطی Linear Regression summary

  • نحوه خواندن ضرایب How to read coefficients

  • تله متغیر ساختگی Dummy variable trap

  • (تنظیم شده) R-squared (Adjusted) R-squared

  • RSME در مقابل MAE RSME vs MAE

  • موارد پرت Outliers

  • راهنمای گام به گام رگرسیون خطی Linear regression step by step guide

  • خلاصه مطالعه موردی Case study briefing

رگرسیون خطی - شهود Linear Regression - Intuition

  • اهداف رگرسیون خطی Linear Regression objectives

  • چه چیزی بر قیمت گذاری تاثیر می گذارد What influences pricing

  • عوامل تقاضای قیمت گذاری Pricing demand factors

  • عوامل تقاضای عرضه Supply demand factors

  • رگرسیون خطی Linear Regression

  • خلاصه رگرسیون خطی Linear Regression summary

  • نحوه خواندن ضرایب How to read coefficients

  • تله متغیر ساختگی Dummy variable trap

  • (تنظیم شده) R-squared (Adjusted) R-squared

  • RSME در مقابل MAE RSME vs MAE

  • موارد پرت Outliers

  • راهنمای گام به گام رگرسیون خطی Linear regression step by step guide

  • خلاصه مطالعه موردی Case study briefing

رگرسیون خطی - پایتون Linear Regression - Python

  • واردات کتابخانه ها و مجموعه داده ها Importing libraries and dataset

  • دستچین کردن متغیرها Handpicking variables

  • تبدیل اشیا به متغیرهای ساختگی Transforming objects into dummy variables

  • تبدیل متغیر "floor" به عددی Transforming the "floor" variable into numeric

  • تبدیل متغیر وابسته Transforming the dependent variable

  • آمار خلاصه Summary statistics

  • پراکندگی Scatterplotting

  • حذف موارد پرت Removing outliers

  • ماتریس همبستگی Correlation Matrix

  • حذف متغیرها Dropping variables

  • متغیرهای تبدیل لاگ Log transforming variables

  • متغیرهای X و Y را جدا کنید Isolate X and Y variables

  • رگرسیون خطی Linear regression

  • قیمت آپارتمان من چقدر است؟ How much would my apartment cost?

رگرسیون خطی - پایتون Linear Regression - Python

  • واردات کتابخانه ها و مجموعه داده ها Importing libraries and dataset

  • دستچین کردن متغیرها Handpicking variables

  • تبدیل اشیا به متغیرهای ساختگی Transforming objects into dummy variables

  • تبدیل متغیر "floor" به عددی Transforming the "floor" variable into numeric

  • تبدیل متغیر وابسته Transforming the dependent variable

  • آمار خلاصه Summary statistics

  • پراکندگی Scatterplotting

  • حذف موارد پرت Removing outliers

  • ماتریس همبستگی Correlation Matrix

  • حذف متغیرها Dropping variables

  • متغیرهای تبدیل لاگ Log transforming variables

  • متغیرهای X و Y را جدا کنید Isolate X and Y variables

  • رگرسیون خطی Linear regression

  • قیمت آپارتمان من چقدر است؟ How much would my apartment cost?

رگرسیون خطی - R Linear Regression - R

  • در حال بارگیری داده ها Loading data

  • دستچین کردن متغیرها Handpicking variables

  • استراتژی مجموعه داده Dataset strategy

  • تبدیل متغیرها به عوامل Transforming variables into factors

  • تبدیل متغیر به عددی Transforming variable into numeric

  • تبدیل متغیر به عددی پیشرفته Transforming variable into numeric advanced

  • آمار خلاصه Summary statistics

  • پراکندگی Scatterplotting

  • حذف موارد پرت Removing outliers

  • ماتریس همبستگی Correlation Matrix

  • حذف متغیرها Dropping variables

  • متغیرهای تبدیل لاگ Log transforming variables

  • رگرسیون خطی Linear Regression

  • خلاصه رگرسیون Regression summary

  • قیمت آپارتمان من چقدر است؟ How much would my apartment cost?

رگرسیون خطی - R Linear Regression - R

  • در حال بارگیری داده ها Loading data

  • دستچین کردن متغیرها Handpicking variables

  • استراتژی مجموعه داده Dataset strategy

  • تبدیل متغیرها به عوامل Transforming variables into factors

  • تبدیل متغیر به عددی Transforming variable into numeric

  • تبدیل متغیر به عددی پیشرفته Transforming variable into numeric advanced

  • آمار خلاصه Summary statistics

  • پراکندگی Scatterplotting

  • حذف موارد پرت Removing outliers

  • ماتریس همبستگی Correlation Matrix

  • حذف متغیرها Dropping variables

  • متغیرهای تبدیل لاگ Log transforming variables

  • رگرسیون خطی Linear Regression

  • خلاصه رگرسیون Regression summary

  • قیمت آپارتمان من چقدر است؟ How much would my apartment cost?

رگرسیون لجستیک - شهود Logistic Regression - Intuition

  • اهداف رگرسیون لجستیک Logistic Regression Objectives

  • درک Churn Understanding Churn

  • جلوگیری از ریزش Preventing Churn

  • رگرسیون لجستیک Logistic Regression

  • مجموعه آموزشی و تستی Training and test set

  • مبادله Over vs Underfitting & Bias Variance Over vs underfitting & Bias Variance trade off

  • ماتریس سردرگمی Confusion Matrix

  • رگرسیون لجستیک - راهنمای گام به گام Logistic Regression - step by step guide

  • خلاصه مطالعه موردی Case study briefing

رگرسیون لجستیک - شهود Logistic Regression - Intuition

  • اهداف رگرسیون لجستیک Logistic Regression Objectives

  • درک Churn Understanding Churn

  • جلوگیری از ریزش Preventing Churn

  • رگرسیون لجستیک Logistic Regression

  • مجموعه آموزشی و تستی Training and test set

  • مبادله Over vs Underfitting & Bias Variance Over vs underfitting & Bias Variance trade off

  • ماتریس سردرگمی Confusion Matrix

  • رگرسیون لجستیک - راهنمای گام به گام Logistic Regression - step by step guide

  • خلاصه مطالعه موردی Case study briefing

رگرسیون لجستیک - پایتون Logistic Regression - Python

  • واردات کتابخانه ها و مجموعه داده ها Importing libraries and dataset

  • ساختار داده ها Data structure

  • تبدیل اشیا به متغیرهای ساختگی Transforming objects into dummy variables

  • آمار خلاصه Summary statistics

  • تشخیص پرت Outlier detection

  • حذف موارد پرت Removing outliers

  • تبدیل متغیر به لگاریتم آن Transforming variable into its logarithm

  • ماتریس همبستگی Correlation Matrix

  • جداسازی متغیرهای X و Y Isolating X and Y variables

  • آماده سازی رگرسیون لجستیک Logistic regression preparation

  • مجموعه آموزشی و تستی Training and test set

  • رگرسیون لجستیک Logistic Regression

  • پیش بینی ها Predictions

  • ماتریس سردرگمی Confusion Matrix

رگرسیون لجستیک - پایتون Logistic Regression - Python

  • واردات کتابخانه ها و مجموعه داده ها Importing libraries and dataset

  • ساختار داده ها Data structure

  • تبدیل اشیا به متغیرهای ساختگی Transforming objects into dummy variables

  • آمار خلاصه Summary statistics

  • تشخیص پرت Outlier detection

  • حذف موارد پرت Removing outliers

  • تبدیل متغیر به لگاریتم آن Transforming variable into its logarithm

  • ماتریس همبستگی Correlation Matrix

  • جداسازی متغیرهای X و Y Isolating X and Y variables

  • آماده سازی رگرسیون لجستیک Logistic regression preparation

  • مجموعه آموزشی و تستی Training and test set

  • رگرسیون لجستیک Logistic Regression

  • پیش بینی ها Predictions

  • ماتریس سردرگمی Confusion Matrix

رگرسیون لجستیک - R Logistic Regression - R

  • بارگیری کتابخانه ها و مجموعه داده ها Loading libraries and dataset

  • ساختار داده ها Data structure

  • تبدیل اشیا به عوامل Transforming objects into factors

  • آمار خلاصه Summary statistics

  • تشخیص پرت Outlier detection

  • حذف موارد پرت Removing outliers

  • تبدیل متغیر به لگاریتم آن Transforming variable into its logarithm

  • ماتریس همبستگی Correlation Matrix

  • مجموعه آموزشی و تستی Training and test set

  • رگرسیون لجستیک Logistic Regression

  • پیش بینی ها Predictions

  • ماتریس سردرگمی Confusion Matrix

رگرسیون لجستیک - R Logistic Regression - R

  • بارگیری کتابخانه ها و مجموعه داده ها Loading libraries and dataset

  • ساختار داده ها Data structure

  • تبدیل اشیا به عوامل Transforming objects into factors

  • آمار خلاصه Summary statistics

  • تشخیص پرت Outlier detection

  • حذف موارد پرت Removing outliers

  • تبدیل متغیر به لگاریتم آن Transforming variable into its logarithm

  • ماتریس همبستگی Correlation Matrix

  • مجموعه آموزشی و تستی Training and test set

  • رگرسیون لجستیک Logistic Regression

  • پیش بینی ها Predictions

  • ماتریس سردرگمی Confusion Matrix

بخش پاداش Bonus Section

  • سخنرانی پاداش Bonus Lecture

بخش پاداش Bonus Section

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

نظری ارسال نشده است.

آموزش تجزیه و تحلیل رگرسیون برای مدیران کسب و کار در پایتون و R
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
5 hours
83
Udemy (یودمی) udemy-small
11 اسفند 1401 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
393
4.8 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Diogo Alves de Resende Diogo Alves de Resende

کارشناس تحلیل و علم داده

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.