آموزش پایتون: تسلط بر پیش‌بینی قیمت مسکن با رگرسیون خطی - آخرین آپدیت

دانلود Python: Master House Price Prediction with Linear Regression

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در پایان این دوره، فراگیران قادر خواهند بود مجموعه‌داده‌های مسکن را آماده کنند، تکنیک‌های پیش‌پردازش و تبدیل داده‌ها را به کار گیرند، ویژگی‌های معنادار را مهندسی کنند، تحلیل اکتشافی داده‌ها (EDA) را انجام دهند و مدل‌های پیش‌بینی را با استفاده از رگرسیون خطی در پایتون بسازند. همچنین یاد خواهید گرفت که هم‌خطی را با استفاده از فاکتور تورم واریانس (VIF) ارزیابی کرده و دقت پیش‌بینی را با بهترین روش‌های ارزیابی مدل اعتبارسنجی کنید. این دوره طراحی شده است تا شما را گام به گام با کل گردش کار مدل‌سازی پیش‌بینیانه آشنا کند؛ از راه‌اندازی پروژه و درک مجموعه‌داده‌ها شروع شده و با تکنیک‌های پیشرفته در پاک‌سازی داده‌ها، تحلیل همبستگی و مدل‌سازی رگرسیونی ادامه می‌یابد. از طریق تمرین عملی با مجموعه‌داده Ames Housing، مهارت‌های کاربردی در تبدیل داده‌های خام به بینش‌های عملی را کسب خواهید کرد. آنچه این دوره را منحصر‌به‌فرد می‌کند، ساختار پروژه-محور و جامع آن است که مشابه گردش کارهای واقعی یادگیری ماشین است. به جای تئوری‌های انتزاعی، مفاهیم را مستقیماً روی یک مورد مطالعاتی عملی — پیش‌بینی قیمت خانه با داده‌های واقعی — پیاده‌سازی خواهید کرد. چه در علوم داده مبتدی باشید و چه به دنبال تقویت پورتفولیوی یادگیری ماشین خود، این دوره شما را به مهارت‌های لازم برای اجرای مطمئن تحلیل‌های پیش‌بینیانه مبتنی بر رگرسیون مجهز می‌کند.

سرفصل ها و درس ها

ساخت زیربنای پروژه Building the Foundation

  • معرفی پروژه Introduction of Projects

  • وارد کردن کتابخانه‌ها Import Packages

  • پیش‌پردازش داده‌ها Data Preprocessing

  • تبدیل داده‌ها Data Transformation

  • جداسازی متغیر هدف Target Variable Splitting

  • توضیحات مجموعه‌داده Dataset Explanation

  • ادامه توضیحات مجموعه‌داده Dataset Explanation Continue

تحلیل‌های پیشرفته و پیش‌بینی Advanced Analysis & Prediction

  • مهندسی ویژگی‌ها Feature Engineering

  • ادامه مهندسی ویژگی‌ها Feature Engineering Continue

  • مدیریت مقادیر گم‌شده Handling Missing Values

  • ادامه مدیریت مقادیر گم‌شده Handling Missing Values Continue

  • تحلیل اکتشافی داده‌ها Exploratory Data Analysis

  • ادامه تحلیل اکتشافی داده‌ها Exploratory Data Analysis Continue

  • تحلیل همبستگی Correlation

  • پیش‌بینی نتایج Predicting Result

  • محاسبه فاکتور تورم واریانس Calculating Variance Inflation Factor

  • ادامه محاسبه فاکتور تورم واریانس Calculating Variance Inflation Factor Continue

  • جمع‌بندی Conclusion

نمایش نظرات

آموزش پایتون: تسلط بر پیش‌بینی قیمت مسکن با رگرسیون خطی
جزییات دوره
6h 9m
18
(آخرین آپدیت)
78
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده