آموزش رگرسیون خطی با R: ساخت و بهینه‌سازی - آخرین آپدیت

دانلود Linear Regression with R: Build & Optimize

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 مفاهیم بنیادی رگرسیون خطی را تعریف کنند، مدل‌های رگرسیون ساده و چندگانه بسازند، تکنیک‌های متغیرهای مجازی (Dummy Variables) را به کار بگیرند و عملکرد مدل را با استفاده از آزمون‌های آماری ارزیابی کنند. همچنین شرکت‌کنندگان توانایی بهینه‌سازی مدل‌ها از طریق روش حذف بازگشتی (Backward Elimination) و اعتبارسنجی دقت پیش‌بینی روی مجموعه‌داده‌های جدید را کسب خواهند کرد. این دوره برای ارائه یک مسیر یادگیری گام‌به‌گام، از مبانی معادلات رگرسیون تا کاربردهای پیشرفته در یادگیری ماشین نظارت‌شده با زبان R طراحی شده است. فراگیران از طریق کار بر روی مجموعه‌داده‌های واقعی، تفسیر خروجی‌های رگرسیون و بصری‌سازی عملکرد مدل، مهارت‌های عملی به دست می‌آورند. برخلاف دوره‌های تئوری، این برنامه بر تمرینات عملی تأکید دارد تا درک مفهومی و تخصص کاربردی شرکت‌کنندگان تقویت شود. آنچه این دوره را منحصر‌به‌فرد می‌کند، پیشروی منطقی از مدل‌های خطی ساده به روش‌های بهینه‌سازی پیشرفته است که دسترسی برای مبتدیان را تسهیل کرده و در عین حال عمق مطالب را برای یادگیرندگان پیشرفته فراهم می‌کند. چه دانشجو باشید، چه تحلیلگر یا متخصص، این دوره شما را با دانش و اعتمادبه‌نفس لازم برای به‌کارگیری مؤثر تکنیک‌های رگرسیون در تصمیم‌گیری‌های داده‌محور تجهیز می‌کند.

سرفصل ها و درس ها

مبانی رگرسیون خطی Fundamentals of Linear Regression

  • کار با رگرسیون خطی Working on Linear Regression

  • معادله رگرسیون Equation

  • پیاده‌سازی الگوریتم رگرسیون Making the Regression of the Algorithm

  • انواع پایه الگوریتم‌ها Basic Types of Algorithms

  • پیش‌بینی حقوق کارکنان predicting the Salary of the Employee

  • ساخت مدل رگرسیون خطی ساده Making of Simple Linear Regression Model

  • ترسیم مجموعه آموزشی و اجرا Plotting Training Set and Work

تکنیک‌های پیشرفته رگرسیون و کاربردها Advanced Regression Techniques and Applications

  • رگرسیون خطی چندگانه Multiple Linear Regression

  • مفهوم متغیرهای مجازی (Dummy Variable) Dummy Variable Concept

  • پیش‌بینی‌ها در بازه زمانی سالانه Predictions Over Year

  • تفاوت در حذف مرجع Difference Between Reference Elimination

  • نحوه عملکرد مدل Working of the Model

  • کار بر روی مجموعه‌داده‌ای دیگر Working on Another Dataset

  • رویکرد حذف بازگشتی (Backward Elimination) Backward Elimination Approach

  • ساخت مدل با متغیرهای کامل و تهی Making of the Model with Full and Null

نمایش نظرات

آموزش رگرسیون خطی با R: ساخت و بهینه‌سازی
جزییات دوره
6h 33m
15
(آخرین آپدیت)
81
- 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