لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش اصول علوم داده بخش دوم: واحد ۳
- آخرین آپدیت
دانلود Data Science Fundamentals Part 2: Unit 3
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره آموزشی با رویکردی گامبهگام، فرآیند ساخت مدلهای قدرتمند برای پیشبینی نتایج دنیای واقعی و استخراج بینشهای ارزشمند از دادهها را آموزش میدهد. شما ابتدا با پایهای قوی در مباحث احتمال و توزیعهای آماری شروع کرده و نحوه تخمین پارامترها و برازش مدلها را با استفاده از کتابخانههای استاندارد صنعتی مانند SciPy و NumPy میآموزید. سپس به تئوری و کاربرد تحلیل رگرسیون، مدلسازی همبستگیها و تفسیر ضرایب برای دستیابی به هوش تجاری کاربردی میپردازید. فراتر از ساخت مدل، مهارتهای حیاتی در ارزیابی عملکرد مدل، عیبیابی خطاهای رایج و درک تفاوتهای ظریف بین آمار، مدلسازی و یادگیری ماشین را کسب خواهید کرد. در پایان این دوره، شما قادر خواهید بود با اطمینان از Scikit-learn برای پیادهسازی الگوریتمهای پیشبینی استفاده کنید، تفاوت بین استنتاج و پیشبینی را تشخیص دهید و دانش خود را برای حل مسائل پیچیده و واقعی به کار بگیرید.
سرفصل ها و درس ها
اصول علوم داده بخش دوم: واحد ۳
Data Science Fundamentals Part 2: Unit 3
سرفصلهای آموزشی
Topics
ماشینها چه چیزی را، چرا و چگونه میآموزند
What, Why, and How Machines Learn
طبقهبندی یادگیری ماشین
A Machine Learning Taxonomy
احتمال و مدلهای مولد
Probability and Generative Models
تخمین با روش گشتاورها
Estimation with the Method of Moments
تخمین حداکثر احتمال (MLE)
Maximum Likelihood Estimation
محاسبه تخمینگر حداکثر احتمال، بخش اول
Computing the Maximum Likelihood Estimator, Part 1
محاسبه تخمینگر حداکثر احتمال، بخش دوم
Computing the Maximum Likelihood Estimator, Part 2
مقدمهای بر یادگیری نظارت شده: رگرسیون کمترین مربعات معمولی
Introduction to Supervised Learning: Ordinary Least Squares Regression
بصریسازی رگرسیون با Seaborn
Visualizing Regression with Seaborn
رگرسیون تحلیلی با statsmodels
Analytical Regression with statsmodels
نمایش نظرات