آموزش علم داده در پایتون: رگرسیون و پیش بینی

سرفصل ها و درس ها

شروع شدن Getting Started

• معرفی دوره Course Introduction

• درباره این سریال About This Series

• ساختار و طرح کلی دوره Course Structure & Outline

• مرا بخوانید: نکات مهم برای دانشجویان جدیدالورود READ ME: Important Notes for New Students

• دانلود: منابع دوره DOWNLOAD: Course Resources

• معرفی پروژه دوره Introducing the Course Project

• تعیین انتظارات Setting Expectations

• نصب و راه اندازی Jupyter Jupyter Installation & Launch

مقدمه ای بر علم داده Intro to Data Science

• علم داده چیست؟ What is Data Science?

• مجموعه مهارت های علم داده Data Science Skillset

• یادگیری ماشینی چیست؟ What is Machine Learning?

• الگوریتم های رایج یادگیری ماشین Common Machine Learning Algorithms

• گردش کار علم داده Data Science Workflow

• مرحله 1: تعیین محدوده یک پروژه Step 1: Scoping a Project

• مرحله 2: جمع آوری داده ها Step 2: Gathering Data

• مرحله 3: پاک کردن داده ها Step 3: Cleaning Data

• مرحله 4: کاوش داده ها Step 4: Exploring Data

• مرحله 5: مدل سازی داده ها Step 5: Modeling Data

• مرحله 6: اشتراک گذاری بینش Step 6: Sharing Insights

• مدلسازی رگرسیون Regression Modeling

• خوراکی های کلیدی Key Takeaways

• مقدمه ای بر علم داده Intro to Data Science

رگرسیون 101 Regression 101

• رگرسیون 101 Regression 101

• اهداف رگرسیون Goals of Regression

• انواع رگرسیون Types of Regression

• گردش کار مدلسازی رگرسیون Regression Modeling Workflow

• خوراکی های کلیدی Key Takeaways

• رگرسیون 101 Regression 101

Pre-Modeling Data Prep & EDA Pre-Modeling Data Prep & EDA

• EDA برای رگرسیون EDA for Regression

• کاوش در هدف Exploring the Target

• کاوش در ویژگی ها Exploring the Features

• تکلیف: کاوش در هدف و ویژگی ها ASSIGNMENT: Exploring the Target & Features

• راه حل: کاوش در هدف و ویژگی ها SOLUTION: Exploring the Target & Features

• روابط خطی و همبستگی Linear Relationships & Correlation

• روابط خطی در پایتون Linear Relationships in Python

• روابط ویژگی-هدف Feature-Target Relationships

• روابط ویژگی-ویژگی Feature-Feature Relationships

• نکته حرفه ای: Pairplots و Lmplots PRO TIP: Pairplots & Lmplots

• تکلیف: کاوش در روابط ASSIGNMENT: Exploring Relationships

• راه حل: کاوش در روابط SOLUTION: Exploring Relationships

• آماده شدن برای مدلینگ Preparing For Modeling

• خوراکی های کلیدی Key Takeaways

• Pre-Modeling Data Prep & EDA Pre-Modeling Data Prep & EDA

رگرسیون خطی ساده Simple Linear Regression

• رگرسیون خطی ساده Simple Linear Regression

• مدل رگرسیون خطی The Linear Regression Model

• حداقل مربعات خطا Least Squared Error

• رگرسیون خطی در پایتون Linear Regression in Python

• رگرسیون خطی در Statsmodels Linear Regression in Statsmodels

• تفسیر مدل Interpreting the Model

• پیشگویی Making Predictions

• R-Squared R-Squared

• آزمون های فرضیه Hypothesis Tests

• F-Test The F-Test

• برآورد ضرایب و P-Values Coefficient Estimates & P-Values

• قطعات باقیمانده Residual Plots

• مطالعه موردی: مدل سازی قیمت بیمه سلامت CASE STUDY: Modeling Health Insurance Prices

• تکلیف: رگرسیون خطی ساده ASSIGNMENT: Simple Linear Regression

• راه حل: رگرسیون خطی ساده SOLUTION: Simple Linear Regression

• خوراکی های کلیدی Key Takeaways

• رگرسیون خطی ساده Simple Linear Regression

رگرسیون خطی چندگانه Multiple Linear Regression

• معادله رگرسیون خطی چندگانه Multiple Linear Regression Equation

• برازش رگرسیون خطی چندگانه Fitting a Multiple Linear Regression

• تفسیر مدل های رگرسیون خطی چندگانه Interpreting Multiple Linear Regression Models

• انتخاب متغیر Variable Selection

• تکلیف: رگرسیون خطی چندگانه ASSIGNMENT: Multiple Linear Regression

• راه حل: رگرسیون خطی چندگانه SOLUTION: Multiple Linear Regression

• معیارهای میانگین خطا Mean Error Metrics

• نسخه آزمایشی: معیارهای میانگین خطا DEMO: Mean Error Metrics

• R-Squared تنظیم شده است Adjusted R-Squared

• تکلیف: معیارهای میانگین خطا ASSIGNMENT: Mean Error Metrics

• راه حل: معیارهای میانگین خطا SOLUTION: Mean Error Metrics

• خوراکی های کلیدی Key Takeaways

• رگرسیون خطی چندگانه Multiple Linear Regression

مفروضات مدل Model Assumptions

• مفروضات رگرسیون خطی Assumptions of Linear Regression

• خطی بودن Linearity

• استقلال خطاها Independence of Errors

• نرمال بودن خطاها Normality of Errors

• DEMO: عادی بودن خطاها DEMO: Normality of Errors

• نکته حرفه ای: تفسیر اهداف تبدیل شده PRO TIP: Interpreting Transformed Targets

• بدون چند خطی کامل No Perfect Multicollinearity

• واریانس برابر خطاها Equal Variance of Errors

• عوامل پرت، اهرم و نفوذ Outliers, Leverage & Influence

• RECAP: مفروضات رگرسیون خطی RECAP: Assumptions of Linear Regression

• تکلیف: فرضیات مدل ASSIGNMENT: Model Assumptions

• راه حل: فرضیات مدل SOLUTION: Model Assumptions

• خوراکی های کلیدی Key Takeaways

• مفروضات مدل Model Assumptions

تست و اعتبارسنجی مدل Model Testing & Validation

• مراحل امتیازدهی مدل Model Scoring Steps

• تقسیم داده ها Data Splitting

• Overfitting & Underfitting Overfitting & Underfitting

• معامله تعصب-واریانس The Bias-Variance Tradeoff

• داده های اعتبارسنجی Validation Data

• تیونینگ مدل Model Tuning

• امتیازدهی مدل Model Scoring

• اعتبار سنجی متقابل Cross Validation

• اعتبار سنجی ساده در مقابل متقاطع Simple vs. Cross Validation

• تکلیف: تست و اعتبارسنجی مدل ASSIGNMENT: Model Testing & Validation

• راه حل: تست و اعتبارسنجی مدل SOLUTION: Model Testing & Validation

• خوراکی های کلیدی Key Takeaways

• تست و اعتبارسنجی مدل Model Testing & Validation

مهندسی ویژگی Feature Engineering

• مقدمه ای بر مهندسی ویژگی Intro To Feature Engineering

• تکنیک های مهندسی ویژگی Feature Engineering Techniques

• اصطلاحات چند جمله ای Polynomial Terms

• ترکیب ویژگی ها Combining Features

• شرایط تعامل Interaction Terms

• ویژگی های دسته بندی Categorical Features

• متغیرهای ساختگی Dummy Variables

• دمو: متغیرهای ساختگی DEMO: Dummy Variables

• Binning داده های دسته بندی Binning Categorical Data

• باینینگ داده های عددی Binning Numeric Data

• DEMO: ایده های مهندسی با ویژگی های اضافی DEMO: Additional Feature Engineering Ideas

• تکلیف: مهندسی ویژگی ASSIGNMENT: Feature Engineering

• راه حل: مهندسی ویژگی SOLUTION: Feature Engineering

• خوراکی های کلیدی Key Takeaways

• مهندسی ویژگی Feature Engineering

پروژه 1: قیمت اجاره در سانفرانسیسکو Project 1: San Francisco Rent Prices

• خلاصه پروژه Project Brief

• راه حل Solution Walkthrough

رگرسیون منظم Regularized Regression

• مقدمه ای بر رگرسیون منظم Intro to Regularized Regression

• رگرسیون ریج Ridge Regression

• استاندارد سازی Standardization

• برازش مدل رگرسیون ریج Fitting a Ridge Regression Model

• DEMO: برازش رگرسیون ریج DEMO: Fitting a Ridge Regression

• نکته حرفه ای: RidgeCV PRO TIP: RidgeCV

• تکلیف: رگرسیون ریج ASSIGNMENT: Ridge Regression

• راه حل: رگرسیون ریج SOLUTION: Ridge Regression

• رگرسیون کمند Lasso Regression

• نکته حرفه ای: LassoCV PRO TIP: LassoCV

• تکلیف: رگرسیون کمند ASSIGNMENT: Lasso Regression

• راه حل: رگرسیون کمند SOLUTION: Lasso Regression

• رگرسیون خالص الاستیک Elastic Net Regression

• DEMO: برازش رگرسیون خالص الاستیک DEMO: Fitting an Elastic Net Regression

• نکته حرفه ای: ElasticNetCV PRO TIP: ElasticNetCV

• تکلیف: رگرسیون خالص الاستیک ASSIGNMENT: Elastic Net Regression

• راه حل: رگرسیون خالص الاستیک SOLUTION: Elastic Net Regression

• RECAP: مدل های رگرسیون منظم RECAP: Regularized Regression Models

• پیش نمایش: مدل های مبتنی بر درخت PREVIEW: Tree Based Models

• خوراکی های کلیدی Key Takeaways

• رگرسیون منظم Regularized Regression

پروژه 1: قیمت اجاره سانفرانسیسکو (ادامه) Project 1: San Francisco Rent Prices (Continued)

• خلاصه پروژه Project Brief

• راه حل Solution Walkthrough

تجزیه و تحلیل سری زمانی Time Series Analysis

• معرفی سری زمانی Intro to Time Series

• میانگین های متحرک Moving Averages

• DEMO: میانگین متحرک DEMO: Moving Averages

• هموارسازی نمایی Exponential Smoothing

• تکلیف: صاف کردن ASSIGNMENT: Smoothing

• راه حل: صاف کردن SOLUTION: Smoothing

• تجزیه Decomposition

• DEMO: تجزیه DEMO: Decomposition

• نکته حرفه ای: نمودار همبستگی خودکار PRO TIP: Autocorrelation Chart

• تکلیف: تجزیه ASSIGNMENT: Decomposition

• راه حل: تجزیه SOLUTION: Decomposition

• پیش بینی Forecasting

• رگرسیون خطی با روند و فصل Linear Regression With Trend & Season

• DEMO: رگرسیون خطی با روند و فصل DEMO: Linear Regression With Trend & Season

• پیامبر فیسبوک Facebook Prophet

• تکلیف: پیش بینی ASSIGNMENT: Forecasting

• راه حل: پیش بینی SOLUTION: Forecasting

• خوراکی های کلیدی Key Takeaways

• تجزیه و تحلیل سری زمانی Time Series Analysis

پروژه 2: مصرف برق Project 2: Electricity Consumption

• خلاصه پروژه Project Brief

• راه حل Solution Walkthrough

مراحل بعدی Next Steps

• درس اضافی EXTRA LESSON