آموزش پیش‌بینی نکول اعتباری با پایتون: پیاده‌سازی و تحلیل - آخرین آپدیت

دانلود Credit Default Prediction with Python: Apply & Analyze

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره یک مسیر عملی برای پیش‌بینی ریسک اعتباری با استفاده از پایتون، با تمرکز بر رگرسیون لجستیک، درخت‌های تصمیم و روش‌های Ensemble ارائه می‌دهد. یادگیرندگان با ترسیم جریان کاری پروژه، وارد کردن داده‌ها و به‌کارگیری تکنیک‌های پیش‌پردازش داده‌ها مانند مدیریت مقادیر گم‌شده، کدگذاری ویژگی‌های دسته‌ای (Categorical) و مقیاس‌بندی متغیرهای عددی شروع خواهند کرد. از طریق تحلیل اکتشافی داده‌ها (EDA)، آن‌ها الگوها و روابط داده‌ها را تفسیر می‌کنند تا پایه‌ای قوی برای مدل‌سازی ایجاد نمایند. در بخش مدل‌سازی پیشرفته، یادگیرندگان مدل‌ها را با استفاده از ماتریس اغتشاش (Confusion Matrix) و منحنی‌های ROC ارزیابی می‌کنند تا از دقت و قابلیت اطمینان در پیش‌بینی نکول مطمئن شوند. آن‌ها مدل‌های رگرسیون لجستیک را از طریق روش‌های تنظیم هایپرپارامتر مانند Grid Search و Randomized Search بهینه‌سازی خواهند کرد. در ادامه، دوره به معرفی تئوری درخت تصمیم و مراحل کدنویسی عملی می‌پردازد که با استفاده از Graphviz برای تفسیرپذیری بیشتر، بصری‌سازی شده است. در نهایت، یادگیرندگان مدل‌های جنگل تصادفی (Random Forest) را برای کاهش بیش‌برازش (Overfitting) و بهبود عملکرد پیش‌بینی، با به‌کارگیری تکنیک‌های یادگیری جمعی روی مجموعه‌داده‌های اعتباری واقعی پیاده‌سازی می‌کنند. در پایان این دوره، یادگیرندگان قادر خواهند بود مدل‌های پیش‌بینی‌کننده‌ای را پیاده‌سازی، تحلیل، ارزیابی و ساخته‌اند که تصمیم‌گیری در مدیریت ریسک مالی را با استفاده از ابزارهای استاندارد صنعت و کتابخانه‌های پایتون بهبود می‌بخشد.

سرفصل ها و درس ها

آماده‌سازی داده‌ها و مبانی مدل‌سازی Data Preparation & Model Foundations

  • معرفی پروژه Introduction of Project

  • مراحل اجرای پروژه Project Steps

  • وارد کردن فایل‌ها Import Files

  • پیش‌پردازش داده‌ها و EDA بخش اول Data Preprocessing EDA Part 1

  • پیش‌پردازش داده‌ها و EDA بخش دوم Data Preprocessing EDA Part 2

  • پیش‌پردازش داده‌ها و EDA بخش سوم Data Preprocessing EDA Part 3

  • پیش‌پردازش داده‌ها و EDA بخش چهارم Data Preprocessing EDA Part 4

  • تحلیل اکتشافی داده‌ها (EDA) Exploratory Data Analysis

  • تقسیم‌بندی داده‌ها Splitting Data

ساخت مدل و تکنیک‌های پیشرفته Model Building & Advanced Techniques

  • ماتریس اغتشاش Confusion Matrix

  • ماتریس اغتشاش و منحنی ROC Confusion Matrix and ROC

  • تنظیم هایپرپارامترها Hyper Parameter Tuning

  • ادامه تنظیم هایپرپارامترها Hyper Parameter Tuning Continue

  • توضیحات تکمیلی در مورد تنظیم هایپرپارامتر More on Hyperparameter Tuning

  • تئوری و مراحل درخت تصمیم Decision Tree Theory and Steps

  • ادامه تئوری و مراحل درخت تصمیم Decision Tree Theory and Steps Continue

  • نصب Graphviz و پیش‌نیازها Installation of Graph viz and Peoples

  • توضیح کد درخت تصمیم Decision Tree Code Explanation

  • کدنویسی جنگل تصادفی Random Forest Code

نمایش نظرات

آموزش پیش‌بینی نکول اعتباری با پایتون: پیاده‌سازی و تحلیل
جزییات دوره
5h 52m
19
(آخرین آپدیت)
200
- 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