آموزش مدل سازی پیش بینی آماری عملی [ویدئو]

Hands-On Statistical Predictive Modeling [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: پیش بینی روندهای آتی می تواند تفاوت بین سود و زیان برای شرکت های رقابتی باشد. اکثر کسب و کارها بیان می کنند که کیفیت پایین داده ها منجر به تصمیم گیری بد می شود. علاوه بر این، انتظار می‌رود بازار تحلیل پیش‌بینی‌کننده تا سال 2020 تا 22 درصد رشد کند. با ورود این فناوری به جریان اصلی، اکنون زمان آن است که در نظر بگیرید کدام تکنیک‌های مدل‌سازی پیش‌بینی‌کننده بهترین نتایج را برای سازمان شما ایجاد می‌کند. مدل‌سازی پیش‌بینی آماری دستی هر آنچه را که برای وارد کردن قدرت مدل‌های پیش‌بینی آماری به کار آماری یا داده‌کاوی خود نیاز دارید، در اختیار شما قرار می‌دهد. با این حال، بدون تکنیک‌های مدل‌سازی پیش‌بینی‌کننده مناسب، پروژه‌های تحلیلی بعید است که بینش عملی ارائه کنند. این دوره به شما نشان می‌دهد که چگونه این الگوریتم‌های اصلی صحت و ارتباط نتایج آماری را زیربنا می‌دهند و باعث تمایز رقابتی می‌شوند. شما قادر خواهید بود رفتار مشتری را پیش بینی کنید، گام هایی برای پرورش وفاداری مشتری بردارید و سهم بیشتری از بازار را به دست آورید. شما از نیروهای علم داده‌ای که اقتصاد آینده شما را شکل می‌دهند آگاه خواهید بود و بر نحوه بهترین استفاده و استفاده از این فرصت‌های آینده تسلط خواهید داشت. در پایان این دوره، شما قادر خواهید بود دانش تحلیلی شرکت خود را برای افزایش مهارت های تصمیم گیری، کارایی هزینه و سودآوری آن ارتقا دهید. همچنین می توانید از این مهارت ها در پروژه های آماری و داده کاوی آینده خود استفاده کنید. تمام فایل های داده این دوره در GitHub در https://github.com/PacktPublishing/Hands-On-Statistical-Predictive-Modeling موجود است. • بین انواع مختلف مدل های پیش بینی تمایز قائل شوید •تسلط بر رگرسیون خطی • نتایج رگرسیون لجستیک را کاوش کنید درک زمان استفاده از تجزیه و تحلیل متمایز • عملکرد درونی مدل های خود را درک کنید بهره وری خود را با تجزیه و تحلیل مدل های خود و تفسیر دقت آنها به شیوه ای سازمان یافته به حداکثر برسانید. اگر شما یک متخصص آمار یا داده کاوی هستید و می خواهید مدل سازی پیش بینی آماری را به مجموعه مهارت های خود اضافه کنید، این دوره ایده آل برای شما است. دانش آماری پایه مفید خواهد بود، اما هیچ دانش قبلی از مدل سازی پیش بینی آماری فرض نمی شود. •با توسعه مدل‌های کارآمد برای پیش‌بینی دقیق نتایج آینده، داده‌های خود را به دست آورید.

سرفصل ها و درس ها

شروع با مدل سازی پیش بینی کننده Getting Started with Predictive Modeling

  • بررسی اجمالی دوره The Course Overview

  • مدل سازی پیش بینی - هدف، مثال ها و انواع Predictive Modeling – Purpose, Examples, and Types

  • ویژگی ها و نمونه های واقعی مدل های پیش بینی آماری Characteristics and Real-World Examples of Statistical Predictive Models

پیش بینی با رگرسیون خطی Making Predictions with Linear Regression

  • درک نظریه رگرسیون خطی Understanding Linear Regression Theory

  • استفاده از رگرسیون خطی ساده برای پیش بینی حقوق Using Simple Linear Regression to Predict Salary

  • استفاده از رگرسیون خطی چندگانه برای پیش بینی حقوق Using Multiple Linear Regression to Predict Salary

  • استفاده از رگرسیون خطی گام به گام برای پیش بینی ضایعات Using Stepwise Linear Regression to Predict Waste

  • آزمون فرضیات رگرسیون خطی Testing Linear Regression’s Assumptions

  • ترکیب متغیرهای طبقه بندی شده (متغیرهای ساختگی) Incorporating Categorical Variables (Dummy Variables)

تعیین احتمالات با استفاده از رگرسیون لجستیک Determining Likelihoods Using Logistic Regression

  • درک نظریه رگرسیون لجستیک Understanding Logistic Regression Theory

  • استفاده از رگرسیون لجستیک باینری برای پیش بینی وزن تولد Using Binary Logistic Regression to Predict Birth Weight

  • استفاده از رگرسیون لجستیک چند جمله ای برای پیش بینی ریسک اعتباری Using Multinomial Logistic Regression to Predict Credit Risk

  • آزمون فرضیات رگرسیون لجستیک Testing Logistic Regression’s Assumptions

طبقه بندی موارد با تجزیه و تحلیل متمایز Classifying Cases with Discriminant Analysis

  • درک نظریه تجزیه و تحلیل متمایز Understanding Discriminant Analysis Theory

  • استفاده از تجزیه و تحلیل متمایز دو گروهی برای پیش بینی احتمال خرید Using Two-Group Discriminant Analysis to Predict Likelihood of Purchase

  • استفاده از تجزیه و تحلیل متمایز چند گروهی برای پیش بینی رفتار مخاطره آمیز Using Multi-Group Discriminant Analysis to Predict Risky Behavior

  • آزمون فرضیات تجزیه و تحلیل متمایز Testing Discriminant Analysis Assumptions

  • مقایسه رگرسیون لجستیک و تحلیل افتراقی Comparing Logistic Regression and Discriminant Analysis

نمایش نظرات

Packtpub یک ناشر دیجیتالی کتاب‌ها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرم‌افزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتاب‌ها، ویدیوها و دوره‌های آموزشی می‌پردازد که به توسعه‌دهندگان و متخصصان فناوری اطلاعات کمک می‌کند تا مهارت‌های خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامه‌نویسی، توسعه وب، داده‌کاوی، امنیت سایبری و هوش مصنوعی را پوشش می‌دهد. محتوای این منابع به صورت کاربردی و به‌روز ارائه می‌شود تا کاربران بتوانند دانش و توانایی‌های لازم برای موفقیت در پروژه‌های عملی و حرفه‌ای خود را کسب کنند.

آموزش مدل سازی پیش بینی آماری عملی [ویدئو]
جزییات دوره
3 h 3 m
18
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
Jesus Salcedo
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jesus Salcedo Jesus Salcedo

ژسوس سالسدو دارای مدرک دکترای روان سنجی از دانشگاه فوردهام است. او یک مشاور آماری مستقل است و بیش از 20 سال است که از محصولات SPSS استفاده می کند. او یک رهبر سابق تیم برنامه درسی SPSS و کارشناس ارشد آموزش است که دوره های آموزشی متعددی برای SPSS نوشته و هزاران کاربر را آموزش داده است.