آموزش آمار ضروری برای یادگیری ماشین - آخرین آپدیت

آمار و یادگیری ماشین Statistics and Machine Learning

• خوش‌آمدگویی به دوره Welcome to the Course

• مرور کلی Overview

• داده‌ها و اقتصادهای دیجیتال Data and Digital Economies

• کلان‌داده‌ها و تولید اپلیکیشن‌های هوشمند Big Data Produced Smart Applications

• شناخت آمار (۱) Knowing Statistics (1)

• شناخت آمار (۲) Knowing Statistics (2)

• ارتباط آمار در کلان‌داده‌ها Relevance of Statistics in Big Data

• انتقال به دنیای یادگیری ماشین Transitioning to the Machine Learning World

• تحلیل داده‌ها Analyzing Data

• مدل‌سازی آماری: دو فرهنگ مختلف Statistical Modeling: The Two Cultures

• رویکردهای مدل‌سازی Modeling Approaches

• چرا آمار برای یادگیری ماشین اهمیت دارد؟ Why Is Statistics Important to Machine Learning?

• سفر از آمار به یادگیری ماشین Journey from Statistics to Machine Learning

• اصطلاحات پایه Basic Terminology

• انواع متغیرها و سطوح اندازه‌گیری Variable Type and Level of Measurement

• واژگان مدل‌سازی Modeling Vocabulary

• آشنایی با SAS Viya Introduction to SAS Viya

• سرورهای SAS Viya SAS Viya Servers

• آشنایی با SAS Studio و جریان‌های کاری SAS Studio Introduction to SAS Studio and SAS Studio Flows

مفاهیم بنیادی آمار Fundamental Statistical Concepts

• مرور کلی Overview

• جامعه و نمونه Populations and Samples

• فرآیند تحلیل آماری Process of Statistical Analysis

• نمونه‌گیری Sampling

• روش‌های نمونه‌گیری Sampling Methods

• نمونه‌گیری مبتنی بر رویداد Event-Based Sampling

• داده‌های تحلیلی Analysis Data

• اهداف تحلیل Analysis Goals

• توصیف داده‌های شما Describing Your Data

• معیارهای گرایش به مرکز Measures of Central Tendency

• معیارهای موقعیت Measures of Position

• معیارهای پراکندگی Measures of Dispersion

• بصری‌سازی توزیع‌ها Visualizing Distributions

• هیستوگرام‌ها Histograms

• توزیع نرمال (گوسی) Normal (Gaussian) Distribution

• کاربرد توزیع نرمال در یادگیری ماشین Usefulness of Normal Distribution in Machine Learning

• نمودارهایی فراتر از هیستوگرام Plots beyond Histograms

• معیارهای شکل: چولگی (Skewness) Measures of Shape: Skewness

• معیارهای شکل: کشیدگی (Kurtosis) Measures of Shape: Kurtosis

• کاربرد تحلیل توزیع در یادگیری ماشین Usefulness of Distribution Analysis in Machine Learning

• استنتاج از داده‌ها Making Inferences from Data

• تخمین‌های نقطه‌ای Point Estimates

• خطای استاندارد Standard Error

• توزیع نمونه‌گیری Sampling Distribution

• فواصل اطمینان Confidence Intervals

• آزمون فرضیه آماری Statistical Hypothesis Test

• اجرای آزمون فرضیه Performing a Hypothesis Test

• آزمون فرضیه آماری: مثال سکه Statistical Hypothesis Test: Coin Example

• آزمون فرضیه آماری: انواع خطاها Statistical Hypothesis Test: Types of Errors

• آزمون فرضیه آماری: تاثیر اندازه اثر (Effect Size) Statistical Hypothesis Test: Effect Size Influence

• آزمون فرضیه آماری: تاثیر اندازه نمونه Statistical Hypothesis Test: Sample Size Influence

• مقادیر p-value و معناداری آماری p-Values and Statistical Significance

• آزمون‌های فرضیه برای میانگین‌ها Hypothesis Tests for Means

• سناریوی آزمون t تک‌نمونه‌ای One-Sample t Test Scenario

• اجرای آزمون t Performing a t Test

• کاربرد p-value در یادگیری ماشین p-Values in Machine Learning

مدل‌سازی تبیینی با استفاده از رگرسیون خطی Explanatory Modeling Using Linear Regression

• مرور کلی Overview

• مدل‌سازی تبیینی Explanatory Modeling

• کاوش داده‌ها پیش از مدل‌سازی رگرسیون Explore Your Data before Regression Modeling

• ضریب همبستگی Correlation Coefficient

• تفاوت همبستگی با کوواریانس Correlation Differs from Covariance

• عدم تناسب همبستگی پیرسون برای برخی داده‌ها Pearson Correlation Is Inappropriate for Some Data

• استفاده از همبستگی برای غربالگری متغیرها Using Correlation for Variable Screening

• پیش‌بین‌های مرتبط در برابر پیش‌بین‌های نامرتبط Relevant versus Irrelevant Predictors

• پیش‌بین‌های زائد در برابر پیش‌بین‌های غیرزائد Redundant versus Non-redundant Predictors

• مثال‌هایی از نامرتبط بودن و زائد بودن Examples of Irrelevancy and Redundancy

• همبستگی به معنای علیت نیست Correlation Does Not Imply Causation

• همبستگی در مقابل رگرسیون Correlation versus Regression

• رگرسیون خطی ساده Simple Linear Regression

• رگرسیون حداقل مربعات Least Squares Regression

• آزمون‌های فرضیه در رگرسیون خطی Linear Regression Hypothesis Tests

• تغییرپذیری تبیین شده در مقابل تبیین نشده Explained versus Unexplained Variability

• ضریب تعیین (R-Squared) Coefficient of Determination

• فواصل اطمینان و پیش‌بینی Confidence and Prediction Intervals

• همبستگی‌ها و رگرسیون خطی ساده Correlations and Simple Linear Regression

• رگرسیون چندگانه Multiple Regression

• آزمون فرضیه در رگرسیون چندگانه Multiple Regression Hypothesis Test

• پیش‌بین‌های دسته‌ای در رگرسیون Categorical Predictors in Regression

• کدگذاری Dummy برای ورودی‌های دسته‌ای Dummy Coding of Categorical Inputs

• رگرسیون چندگانه با پیش‌بین‌های دسته‌ای Multiple Regression with Categorical Predictors

• رگرسیون و تحلیل واریانس (ANOVA) Regression and ANOVA

• اثرات متقابل (Interaction Effects) Interaction Effects

• مدل‌های احتمالی متعدد! Many Possible Models!

• مقایسه مدل‌های رگرسیونی Comparing Regression Models

• R-Squared تعدیل شده Adjusted R Square

• معیارهای اطلاعاتی Information Criteria

• معیار اطلاعاتی آکائیکه (AIC) Akaike's Information Criterion (AIC)

• روش‌های رایج انتخاب مدل رگرسیون Common Regression Model Selection Methods

• انتخاب متوالی: پیش‌رو (Forward) Sequential Selection: Forward

• انتخاب متوالی: پس‌رو (Backward) Sequential Selection: Backward

• انتخاب متوالی: گام‌به‌گام (Stepwise) Sequential Selection: Stepwise

• رگرسیون چندگانه و انتخاب مدل Multiple Regression and Model Selection

• عیب‌یابی مدل Model Diagnostics

• پیش‌فرض‌های رگرسیون خطی Assumptions of Linear Regression

• تایید پیش‌فرض‌ها با نمودارهای باقی‌مانده Verifying Assumptions with Residual Plots

• الگوهای غیرتصادفی نشان‌دهنده مشکلات هستند Nonrandom Patterns Indicate Problems

• بررسی نرمال بودن با نمودارهای دیگر Check Normality with Other Plots

• مشکلات احتمالی: هم‌خطی (Collinearity) Potential Problems: Collinearity

• تشریح هم‌خطی Illustration of Collinearity

• نحوه شناسایی هم‌خطی How to Detect Collinearity

• عامل تورم واریانس (VIF) Variance Inflation Factor (VIF)

• مشکلات احتمالی: مقادیر حدی (Extreme Values) Potential Problems: Extreme Values

• داده‌های پرت، نقاط با اهرم بالا و مشاهدات تاثیرگذار Outliers, High Leverage Points, and Influential Observations

• عیب‌یابی تاثیرات Influence Diagnostics

• شناسایی داده‌های پرت و مشاهدات تاثیرگذار Detecting Outliers and Influential Observations

• ارزیابی مدل Assessing the Model

• درباره مدل چه کشفی کردیم؟ What Did We Discover about the Model?

مدل‌سازی پیش‌بین با استفاده از رگرسیون لجستیک Predictive Modeling Using Logistic Regression

• مرور کلی Overview

• تبیین کنیم یا پیش‌بینی کنیم؟ To Explain or to Predict?

• مدل‌سازی پیش‌بین Predictive Modeling

• ارزیابی صادقانه Honest Assessment

• مدل‌های کاندید Candidate Models

• بهینه‌سازی پیچیدگی مدل Optimizing Model Complexity

• ارتباط بین متغیرهای دسته‌ای Associations between Categorical Variables

• نسبت شانس (Odds Ratio) Odds Ratio

• رگرسیون لجستیک Logistic Regression

• تفسیر نسبت شانس Interpreting the Odds Ratio

• ارزیابی برازش مدل Assessing the Model Fit

• مدل رگرسیون لجستیک چندگانه Multiple Logistic Regression Model

• استقرار مدل Model Deployment

مبانی آماری یادگیری ماشین Statistical Foundations of Machine Learning

• مرور کلی Overview

• یادگیری ماشین Machine Learning

• یادگیری نظارت شده Supervised Learning

• یادگیری بدون نظارت Unsupervised Learning

• یادگیری نیمه نظارت شده Semi-supervised Learning

• یادگیری تقویتی Reinforcement Learning

• یادگیری ماشین چگونه کار می‌کند؟ How Does Machine Learning Work?

• شبکه‌های عصبی Neural Networks

• آماده‌سازی داده‌ها برای یادگیری ماشین Data Preparation for Machine Learning

• پیش‌پردازش داده‌ها برای یادگیری ماشین Data Preprocessing for Machine Learning

• دشواری‌های داده و مسائل مدل‌سازی Data Difficulties and Modeling Issues

• بصری‌سازی داده‌ها Data Visualization

• چالش‌های بصری‌سازی کلان‌داده‌ها Big Data Visualization Challenges

• مثال‌های بصری‌سازی Visualization Examples

• داده‌های کثیف: خطاها، مقادیر گم‌شده و داده‌های پرت Dirty Data: Errors, Missing Values, and Outliers

• خطاها Errors

• داده‌های گم‌شده Missing Data

• مشکلات داده‌های گم‌شده Missing Data Problems

• استراتژی‌های تحلیل برای داده‌های گم‌شده Analysis Strategies for Missing Data

• جایگزینی خوشه‌ای (Cluster Imputation) Cluster Imputation

• جایگزینی مقادیر سفارشی Tailored-Value Imputation

• گم‌شدگی بیش از حد داده‌ها Excessive Missingness

• نشانگرهای مقادیر گم‌شده Missing Value Indicators

• داده پرت چیست؟ What is an Outlier?

• داده‌های پرت و مدل‌های یادگیری ماشین Outliers and Machine Learning Models

• مقابله با داده‌های پرت Dealing with Outliers

• تبدیلات (Transformations) چه می‌کنند؟ What Do Transformations Do?

• تبدیلات ساده Simple Transformations

• مشکلات مربوط به تعداد زیاد متغیرها Problems With Too Many Variables

• انواع مهندسی ویژگی (Feature Engineering) Types of Feature Engineering

• متغیرهایی با مقیاس‌های متفاوت Distinctly Scaled Variables

• مقیاس‌بندی ویژگی‌ها (Feature Scaling) Feature Scaling

• چالش‌های مدل‌سازی با داده‌های یادگیری ماشین Modeling Challenges with Machine Learning Data

• بیشتر درباره چالش‌های مدل‌سازی با داده‌های یادگیری ماشین More about Modeling Challenges with Machine Learning Data

• مثال اعتبارسنجی متقاطع (Cross Validation) Cross Validation Example

• تجمع بوت‌استرپ (Bootstrap Aggregation) Bootstrap Aggregation

• برازش مدل Model Fitting

• تاثیر بزرگی ضرایب Effect of Magnitude of Coefficients

• کاهش (Shrinking) ضرایب Shrinking the Coefficients

• فرآیند یادگیری Learning Process

• تفسیرپذیری مدل Model Interpretability