تحلیل و مدل سازی پیش بینی کننده: R | Minitab | SPSS | SAS

Predictive Analytics & Modeling: R | Minitab | SPSS | SAS

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: با دوره جامع ما در مورد R، Minitab، SPSS، و SAS، بر تجزیه و تحلیل پیش بینی مسلط شوید و به یک متخصص داده تبدیل شوید! وارد کردن و آماده‌سازی داده‌ها: نحوه وارد کردن، تمیز کردن و آماده‌سازی مجموعه‌های داده در R، Minitab، SPSS و SAS را برای تجزیه و تحلیل پیش‌بینی‌کننده بیاموزید. محاسبه ارزش اطلاعات (IV): درک نحوه محاسبه ارزش اطلاعات (IV) و استفاده از آن برای ارزیابی قدرت پیش‌بینی متغیرها در ساخت و بهینه‌سازی مدل R: کسب مهارت در ساخت و بهینه‌سازی مدل‌های رگرسیون لجستیک، مدل‌های درخت تصمیم، و سایر موارد پیش‌بینی تجسم داده‌ها: تکنیک‌های تجسم داده‌ها را با استفاده از ابزارهایی مانند ggplot2 در R و گزینه‌های ترسیم مختلف در Minitab، SPSS و SAS آمار توصیفی و نمایش‌های گرافیکی: انجام و تفسیر اندازه‌گیری‌های پراکندگی، آمار توصیفی، و ایجاد ارائه‌های گرافیکی، آزمایش فرضیه و ANOVA: انجام آزمون فرضیه، ANOVA و سایر تجزیه و تحلیل های آماری برای تصمیم گیری آگاهانه بر اساس داده ها. ساختارها و توابع کنترل در R: یادگیری نوشتن توابع، استفاده از ساختارهای کنترل و پیاده سازی حلقه ها در برنامه نویسی R برای دستکاری کارآمد داده ها. تکنیک های آماری پیشرفته: استفاده از تکنیک های آماری پیشرفته مانند رگرسیون غیر خطی، رگرسیون لجستیک و تحلیل چند متغیره مدل سازی پیش بینی با SAS Enterprise Miner: از SAS Enterprise Miner برای ساخت مدل‌های پیش‌بینی، انتخاب گره‌های داده ورودی و انجام انتخاب متغیر استفاده کنید. پیش نیازها: آشنایی اولیه با آمار: آشنایی با مفاهیم اولیه آماری مانند میانگین، میانه، مد، انحراف معیار و آزمون فرضیه. دانش پایه برنامه نویسی: برخی از تجربیات در مورد مفاهیم برنامه نویسی، به ویژه در R، مفید است اما اجباری نیست. دسترسی به ابزارهای نرم افزاری: شرکت کنندگان باید به نرم افزارهای R، Minitab، SPSS و SAS دسترسی داشته باشند. راهنمای دانلود و نصب این ابزارها ارائه خواهد شد. مهارت های کامپیوتری: مهارت در استفاده از کامپیوتر از جمله مدیریت فایل ها، نصب نرم افزار و ناوبری در سیستم عامل ها. مهارت های ریاضی: درک پایه ای از جبر و حساب دیفرانسیل و انتگرال می تواند برای درک مبانی ریاضی مدل سازی پیش بینی مفید باشد. تسلط به زبان انگلیسی: تسلط به زبان انگلیسی برای پیروی از دستورالعمل های دوره، سخنرانی ها و مطالب خواندنی.

مقدمه

به دوره جامع "مدل سازی تحلیل پیش بینی کننده با R، Minitab، SPSS و SAS" خوش آمدید. این دوره با دقت طراحی شده است تا شما را به دانش و مهارت های مورد نیاز برای برتری در تجزیه و تحلیل داده ها و مدل سازی پیش بینی با استفاده از برخی از قدرتمندترین ابزارهای صنعت مجهز کند. چه یک مبتدی یا یک حرفه ای با تجربه باشید، این دوره بینش عمیق و تجربه عملی را ارائه می دهد تا به شما کمک کند بر تجزیه و تحلیل پیش بینی تسلط پیدا کنید.

بخش 1: رابط کاربری R Studio و مبانی اسکریپت R

این بخش شما را با محیط برنامه نویسی R و اصول اولیه استفاده از R Studio آشنا می کند. شما یاد خواهید گرفت که چگونه R Studio را دانلود، نصب و پیمایش کنید، همراه با درک انواع داده های پایه، بردارها، ماتریس ها، لیست ها و فریم های داده در R. این بخش همچنین تصمیم گیری، عبارات شرطی، حلقه ها، توابع و قدرت را پوشش می دهد. ggplot2 برای تجسم داده ها. در پایان این بخش، شما یک پایه محکم در برنامه نویسی R و توانایی انجام کارهای ضروری دستکاری و تجسم داده ها خواهید داشت.

بخش 2: پروژه R - پیش‌بینی خرید کارت

در این بخش، یک پروژه عملی برای پیش‌بینی خرید کارت با استفاده از R آغاز می‌کنید. سفر با معرفی پروژه و وارد کردن مجموعه داده آغاز می‌شود. سپس به محاسبه مقدار اطلاعات (IV)، ترسیم متغیرها و تقسیم داده ها می پردازید. این دوره شما را از طریق ساخت و بهینه سازی یک مدل رگرسیون لجستیک، ایجاد نمودار بالابر و ارزیابی عملکرد مدل در مجموعه های آموزشی و آزمایشی راهنمایی می کند. علاوه بر این، یاد خواهید گرفت که مدل ها را در R ذخیره کنید و مدل های درخت تصمیم را پیاده سازی کنید، از جمله پیش بینی ها و ارزیابی عملکرد آنها. این پروژه عملی برای ارائه تجربه واقعی در مدل‌سازی پیش‌بینی با R طراحی شده است.

بخش 3: برنامه نویسی R برای علم داده - دوره کاملی برای یادگیری

با این بخش جامع که همه چیز را از تاریخچه R گرفته تا تکنیک های پیشرفته علم داده را پوشش می دهد، عمیق تر به برنامه نویسی R بروید. انواع داده ها، عملیات اساسی، خواندن داده ها، اشکال زدایی، ساختارهای کنترل و توابع را بررسی خواهید کرد. این بخش همچنین شامل قوانین محدوده‌بندی، حلقه‌گذاری، شبیه‌سازی و تکنیک‌های ترسیم گسترده است. شما در مورد مدیریت تاریخ و زمان، عبارات منظم، کلاس ها، روش ها و موارد دیگر خواهید آموخت. این بخش برای تبدیل شما به یک برنامه نویس حرفه ای R طراحی شده است که قادر به مقابله با چالش های پیچیده علم داده است.

بخش 4: تجزیه و تحلیل آماری با استفاده از Minitab - مبتدی تا فراتر

این بخش بر تجزیه و تحلیل آماری با استفاده از Minitab تمرکز دارد و شما را از سطوح مبتدی تا پیشرفته راهنمایی می کند. شما با مقدمه‌ای بر Minitab و انواع داده‌ها شروع می‌کنید، سپس با معیارهای پراکندگی، آمار توصیفی، مرتب‌سازی داده‌ها، و نمایش‌های گرافیکی مختلف مانند هیستوگرام، نمودار دایره‌ای، و نمودارهای پراکندگی شروع می‌کنید. این بخش همچنین توزیع‌های احتمال، آزمون فرضیه، نمونه‌برداری، تجزیه و تحلیل سیستم اندازه‌گیری، تجزیه و تحلیل قابلیت فرآیند و موارد دیگر را پوشش می‌دهد. در پایان این بخش، شما در انجام تحلیل های آماری جامع با استفاده از Minitab ماهر خواهید بود.

بخش 5: مدل سازی تحلیل پیش بینی با استفاده از Minitab

با تکیه بر دانش آماری شما، این بخش به مدل سازی پیش بینی با Minitab می پردازد. شما نمودارهای رگرسیون غیر خطی، ANOVA و کنترل را همراه با درک و تفسیر نتایج بررسی خواهید کرد. این بخش شامل مثال‌های کاربردی و تمرین‌هایی درباره آمار توصیفی، تکنیک‌های همبستگی، مدل‌سازی رگرسیون و رگرسیون چندگانه است. همچنین در مورد رگرسیون لجستیک، تولید مقادیر پیش بینی شده و تفسیر مجموعه داده های پیچیده یاد خواهید گرفت. هدف این بخش تقویت مهارت‌های مدل‌سازی پیش‌بینی‌کننده است و شما را قادر می‌سازد تا بینش‌های عملی را از داده‌ها به دست آورید.

بخش 6: SPSS GUI و برنامه ها

در این قسمت با رابط کاربری گرافیکی SPSS و کاربردهای آن آشنا خواهید شد. شما اصول استفاده از SPSS، وارد کردن مجموعه داده ها و درک میانگین و انحراف استاندارد را پوشش خواهید داد. این بخش همچنین به بررسی منوهای مختلف نرم افزار، مفاهیم عملیاتی کاربر و اجرای عملی تکنیک های آماری می پردازد. در پایان این بخش، شما در استفاده از SPSS برای تجزیه و تحلیل و تفسیر داده ها مهارت خواهید داشت.

بخش 7: مدل‌سازی تحلیل پیش‌بینی‌کننده با SAS

بخش پایانی دوره شما را با SAS Enterprise Miner برای تحلیل و مدل‌سازی پیش‌بینی‌کننده آشنا می‌کند. شما یاد خواهید گرفت که چگونه جداول SAS را انتخاب کنید، گره های داده ورودی ایجاد کنید و از گزینه های مشاور ابرداده استفاده کنید. این بخش انتخاب متغیر، پارتیشن بندی داده ها، تبدیل متغیرها، و تکنیک های مختلف مدل سازی، از جمله شبکه های عصبی و مدل های رگرسیون را پوشش می دهد. شما همچنین کد نویسی SAS را کاوش خواهید کرد و نمودارهای گروهی ایجاد خواهید کرد. این بخش درک کاملی از استفاده از SAS برای کارهای پیچیده تحلیلی پیش‌بینی می‌کند.

نتیجه گیری

"مدل سازی تجزیه و تحلیل پیش بینی کننده با R، Minitab، SPSS و SAS" یک دوره آموزشی جامع است که برای ارائه مهارت ها و دانش مورد نیاز برای برتری در زمینه تجزیه و تحلیل داده ها طراحی شده است. از برنامه نویسی پایه در R گرفته تا تجزیه و تحلیل آماری پیشرفته در Minitab، SPSS و SAS، این دوره تمام ابزارها و تکنیک های ضروری را پوشش می دهد. در پایان دوره، شما برای مقابله با چالش های داده های دنیای واقعی و تصمیم گیری های مبتنی بر داده با اطمینان مجهز خواهید شد. اکنون ثبت نام کنید و اولین قدم را برای تسلط بر تجزیه و تحلیل پیش بینی کننده بردارید!


سرفصل ها و درس ها

R Studio UI و R Script Basics R Studio UI and R Script Basics

  • مروری بر برنامه نویسی R Overview of R Programming

  • دانلود و نصب R Studio Downloading and Installing R Studio

  • نحوه استفاده از R Studio How to use R Studio

  • نحوه استفاده از R Studio ادامه دارد How to use R Studio Continues

  • مبانی R Studio R Studio Basics

  • نوع داده پایه R Basic Data Type R

  • بردارها Vectors

  • اطلاعات بیشتر در مورد وکتور More on Vector

  • ماتریس Matrix

  • ماتریس ادامه دارد Matrix Continues

  • لیست چیست What is List

  • لیست چیست What is List Continues

  • چارچوب داده در R Data Frame in R

  • قاب داده در کلیپ فرعی R Data Frame in R Sub Clip

  • تصمیم گیری Decision Making

  • اظهارات مشروط Conditional Statements

  • حلقه ها در R Loops in R

  • پیاده سازی حلقه با مثال های عملی Implementing Loop with Practical Examples

  • در حالی که حلقه While Loop

  • بیانیه شکست Break Statement

  • توابع Functions

  • حلقه های جایگزین Alternative Loops

  • حلقه های جایگزین ادامه دارد Alternative Loops Continue

  • تابع تعریف کاربر User Define Function

  • قدرت GGPLOT Power of GGPLOT

  • تصاویری GGPLOT 2 GGPLOT 2 Visuals

  • استفاده از تابع Use of Function

پروژه در R - پیش بینی خرید کارت Project on R - Card Purchase Prediction

  • معرفی و وارد کردن مجموعه داده Introduction and Importing Dataset

  • IV محاسبه IV Calculation

  • ترسیم متغیرها Plotting Variables

  • تقسیم شدن Splitting

  • مدل لجستیک ساختمان Building Logistic Model

  • ساخت مدل بهینه Making Optimal Model

  • ساخت نمودار بالابر برای مجموعه تمرینی Making Lift Chart for Training Set

  • بررسی عملکرد مدل Checking Model Performance

  • عملکرد مدل در مجموعه تست Model Performance in Test Set

  • ذخیره مدل در R Saving Model in R

  • برازش مدل درخت تصمیم Fitting Decision Tree Model

  • برازش مدل درخت تصمیم ادامه دهید Fitting Decision Tree Model Continue

  • پیش بینی درخت تصمیم و عملکرد مدل Prediction of Decision Tree and Model Performance

R Programming for Data Science - دوره های کاملی برای یادگیری R Programming for Data Science - A Complete Courses to Learn

  • بررسی اجمالی و تاریخچه R Overview and History of R

  • انواع داده و عملیات پایه - قسمت 1_1 قسمت 01 Datatypes and Basic Operations - Part1_1 part 01

  • انواع داده ها و عملیات پایه - قسمت 1_1 قسمت 02 Datatypes and Basic Operations - Part1_1 part 02

  • انواع داده و عملیات پایه - قسمت 1_2 قسمت 01 Datatypes and Basic Operations - Part1_2 Part 01

  • انواع داده ها و عملیات پایه - قسمت 1_2 قسمت 02 Datatypes and Basic Operations - Part1_2 Part 02

  • انواع داده و عملیات اساسی - Part1_2 Part 03_part01 Datatypes and Basic Operations - Part1_2 Part 03_part01

  • انواع داده ها و عملیات اساسی - قسمت 1_2 قسمت 03_بخش 02 خلاصه Datatypes and Basic Operations - Part1_2 Part 03_part 02 summary

  • انواع داده و عملیات پایه - قسمت 2_1 Datatypes and Basic Operations - Part2_1

  • انواع داده و عملیات پایه - قسمت 2_2 Datatypes and Basic Operations - Part2_2

  • ReadingData-1 ReadingData-1

  • ReadingData-2 ReadingData-2

  • ReadingData-3 ReadingData-3

  • ReadingData-4a ReadingData-4a

  • ReadingData-4b ReadingData-4b

  • اشکال زدایی-1 Debugging-1

  • ساختارهای کنترلی ControlStructures

  • توابع قسمت 01 Functions Part 01

  • توابع قسمت 02 Functions Part 02

  • Scoping Rules1 قسمت 01 ScopingRules1 Part 01

  • Scoping Rules1 قسمت 02 ScopingRules1 Part 02

  • قوانین محدوده 2 ScopingRules2

  • حلقه زدن 1 Looping1

  • حلقه زدن 2 Looping2

  • حلقه زدن 3 Looping3

  • Simulation_part-1 Simulation_part-1

  • شبیه سازی_قسمت 2 Simulation_part-2

  • توطئه 1 Plotting1

  • توطئه 2 Plotting2

  • Plotting3_part-1 Plotting3_part-1

  • Plotting3_part-2 Plotting3_part-2

  • طرح 4 Plotting4

  • توطئه 5 Plotting5

  • ترسیم رنگ ها 1 Plotting Colors 1

  • ترسیم رنگ ها 2 Plotting Colors 2

  • Date and TimePart1 and 5.Date and TimePart2 Date and TimePart1and 5.Date and TimePart2

  • تاریخ و زمان قسمت 3 Date andTimePart3

  • RegEx1 RegEx1

  • RegEx2 RegEx2

  • RegEx3_part-1 RegEx3_part-1

  • RegEx3_part-2 RegEx3_part-2

  • کلاس ها و روش ها 1_بخش 1 Classes and Methods1_part-1

  • کلاس ها و روش ها 1_ قسمت 2 Classes and Methods1_part-2

  • کلاس ها و روش ها 2_بخش 1 Classes and Methods2_part-1

  • کلاس ها و روش ها 2_بخش 2 Classes and Methods2_part-2

  • اشکال زدایی قسمت 2 Debugging Part2

تجزیه و تحلیل آماری با استفاده از Minitab - مبتدی تا فراتر Statistical Analysis using Minitab - Beginners to Beyond

  • معرفی Minitab Introduction to Minitab

  • انواع داده ها Types of Data

  • اندازه گیری پراکندگی Measure of Dispersion

  • آمار توصیفی Descriptive Stats

  • مرتب سازی داده ها Data Sorting

  • هیستوگرام ها Histograms

  • نمودارهای پای Pie Charts

  • نمودارهای میله ای Bar Charts

  • نمودارهای خطی Line Graphs

  • توطئه های پراکنده Scatter plots

  • طرح جعبه Box Plot

  • متغیر تصادفی گسسته Discrete Random Variable

  • توزیع دو جمله ای Binomial Distribution

  • توزیع عادی Normal Distribution

  • تست نرمال بودن Normality Test

  • تبدیل داده ها Data Transformation

  • نمونه گیری و حجم نمونه Sampling and Sample Size

  • حجم نمونه برای تخمین Sample Size for Estimation

  • تخمین پارامتر Parameter Estimation

  • تحلیل قدرت Power Analysis

  • تجزیه و تحلیل سیستم اندازه گیری Measurement System Analysis

  • MSA Gage R and R MSA Gage R and R

  • تجزیه و تحلیل توافقنامه ویژگی MSA MSA Attribute Agreement Analysis

  • تجزیه و تحلیل قابلیت فرآیند Process Capability Analysis

  • آزمون فرضیه Hypothesis Testing

  • میانگین آزمون فرضیه Hypothesis Testing Mean

  • تست Paired-T Paired-T Test

  • آنوا Anova

  • تحلیل پارتو Pareto Analysis

  • همبستگی Correlation

  • رگرسیون Regression

  • رگرسیون ادامه دارد Regression Continue

  • نمودارهای کنترل Control Charts

  • نمودار P P-Chart

تجزیه و تحلیل پیش بینی و مدل سازی با استفاده از Minitab Predictive Analytics & Modeling using Minitab

  • معرفی مدل سازی پیش بینی کننده Introduction of Predictive Modeling

  • رگرسیون غیر خطی Non Linear Regression

  • نمودارهای آنوا و کنترل Anova and Control Charts

  • درک، تفسیر و پیاده سازی با استفاده از Minitab Understanding, Interpretation and implementation using Minitab

  • تفسیر و پیاده سازی را با استفاده از Minitab ادامه دهید Continue on Interpretation and implementation using Minitab

  • مشاهده Observation

  • نتایج برای NAV Prices Results for NAV Prices

  • قیمت های NAV - مشاهدات NAV Prices - Observations

  • آمار توصیفی Descriptive Statistics

  • شکایات - مشاهدات مشتری Customer Complaints-Observations

  • مشاهدات ضربان قلب در حالت استراحت Resting Heart Rate Observations

  • نتایج برای متقاضی وام MTW Results for Loan Applicant MTW

  • جزئیات بیشتر در مورد نتایج برای متقاضی وام MTW More Details on Results for Loan Applicant MTW

  • ویژگی های T-Test Features of T- Test

  • متقاضی وام Loan Applicant

  • جفت T - تست Paired T - Test

  • درک و پیاده سازی ANOVA Understanding and Implementation of ANOVA

  • مقایسه های زوجی Pairwise Comparisons

  • ویژگی های Chi - Test Features of Chi - Test

  • اولویت و ضربان نبض Preference and Pulse Rate

  • متفاوت است. btw برنامه رشد و طرح سود سهام در MF Diffe. btw Growth Plan ad Dividend Plan in MF

  • بررسی قیمت NAV و قیمت خرید مجدد Checking NAV Price and Repurchase Price

  • تکنیک های همبستگی پایه Basic Correlation Techniques

  • بیشتر در مورد تکنیک های همبستگی پایه More on Basic Correlation Techniques

  • پیاده سازی سی تی با استفاده از Minitab CT Implementation Using Minitab

  • پیاده سازی را با استفاده از Minitab ادامه دهید Continue on Implemetation using Minitab

  • تفسیر مقادیر همبستگی Interpretation of Correlation Values

  • نتایج برای بازگشت Results for Return

  • ارزش های همبستگی - مشاهدات Correlation Values - Observations

  • ارزش های همبستگی - تفاسیر Correlation Values - Interpretations

  • ضربان قلب - هدف Heart Beat - Objective

  • ضربان قلب - تفسیر Heart Beat - Interpretation

  • جمعیت شناسی و استانداردهای زندگی Demographics and Living Standards

  • جمعیت شناسی و استانداردهای زندگی - مشاهده Demographics and Living Standards - Observation

  • پیاده سازی گرافیکی Graphical Implementation

  • Regression Fit را اضافه کنید Add Regression Fit

  • Scatterplot با رگرسیون Scatterplot with Regression

  • طرح پراکنده Rhdeq در مقابل Rhcap Scatterplot of Rhdeq vs Rhcap

  • مقدمه ای بر مدل سازی رگرسیون Introduction to Regression Modeling

  • شناسایی متغیر مستقل Identify Independent Variable

  • معادله رگرسیون Regression Equation

  • جدول بندی ارزش ها Tabulating the Values

  • تفسیر و پیاده سازی در مجموعه داده ها Interpretation and Implementation on Data Sets

  • به تفسیر در پایگاه داده ادامه دهید Continue on Interpretation on Database

  • متغیر قابل توجه Significant Variable

  • محاسبه مقادیر متناظر Calculating Corresponding Values

  • متغیر وابسته را شناسایی کنید Identify Dependent Variable

  • تولید آمار توصیفی Generate Descriptive Statistics

  • نمودار پراکندگی مصرف انرژی Scatterplot of Energy Consumption

  • معادله هویت Identity Equation

  • P - ارزش و T - ارزش P - Value and T - Value

  • تغییرات در Tem و گسترش Changes in Tem. and Expansion

  • هدف قیمت سهام Objective of Stock Prices

  • تفاسیر مثال 5 Interpretations of Example 5

  • تغییر بازگشت اتکا Reliance Return Change

  • ایجاد مقادیر پیش بینی شده Generate Predicted Values

  • Scatterplot Return RIL Scatterplot Return RIL

  • رگرسیون چندگانه پایه Basic Multiple Regression

  • رگرسیون چندگانه پایه ادامه دارد Basic Multiple Regression Continues

  • رگرسیون چندگانه پایه - تفسیر Basic Multiple Regression - Interpretation

  • ایجاد آمار پایه Generate Basic Statistics

  • کار روی Scatterplot Working on Scatterplot

  • هدف متغیر وابسته Dependent Variable Objective

  • مفهوم چند خطی Concept of Multicollinearity

  • متغیر وابسته Y را شناسایی کنید Identify Dependent Variable Y

  • خروجی ها و مشاهده Outputs and Observation

  • تفاسیر - مثال 3 Interpretations - Example 3

  • با و بدون Flux محاسبه کنید Calculate with and without Flux

  • طرح پراکنده Heart FLux در مقابل Insolation Scatterplot of Heart FLux Vs Insolation

  • تفسیر مجموعه داده ها Interpretation of Datasets

  • پیاده سازی مجموعه داده ها Implementation of Datasets

  • مثال 4 مشاهدات Example 4 Observations

  • نمایش آمار توصیفی Display Descriptive Statistics

  • مقادیر پیش بینی شده مثال 4 Predicted Values Example 4

  • نمودار پراکندگی مثال 4 Scatterplot of Example 4

  • محاسبه IV - رگرسیون چندگانه Calculating IV - Multiple Regression

  • محاسبه رگرسیون چندگانه مستقل Calculating Independent Multiple Regression

  • درک طرح پراکندگی لجستیک پایه Understanding Basic Logistic Scatter Plot

  • طرح پراکندگی لجستیک پایه ادامه دارد Basic Logistic Scatter Plot Continues

  • تولید معادله رگرسیون Generation of Regression Equation

  • مقادیر جدول بندی شده Tabulated Values

  • تفسیر و پیاده سازی در مجموعه داده Interpretation and Implementation on Dataset

  • تفسیر و پیاده سازی در مجموعه داده ها ادامه دارد Interpretation and Implementation on dataset Continues

  • خروجی و مشاهده - مقادیر جدول بندی شده Output and Observation - Tabulated Values

  • مثال معیارهای کسب و کار Business Metrics Example

  • تفسیر نمونه دو و سه Example Two and Three Interpretations

  • گروه معادلات رگرسیون Regression Equation Group

  • تفسیر و اجرای طرح پراکندگی Interpretation and Implementation of Scatter Plot

  • اطلاعات بیشتر در مورد اجرای طرح پراکندگی More on Implementation of Scatter Plot

  • استحکام قاب پلاستیکی Plastic Case Strength

  • معادلات جدا Separate Equations

  • تولید مقادیر پیش بینی شده Generation of Predicted Values

  • قدرت طرح پراکندگی در مقابل دما Scatter Plot Strength Vs Temp

  • داده های خرید غلات Data of Cereal Purchase

  • کودکان مشاهده شده و RE Children Viewed and RE

  • ارزش های پیش بینی شده برای مشتریان فردی Predicted Values for Individual Customers

  • متغیر مستقل درآمد Income Independent Variable

  • نمونه ای از صدور کارت اعتباری Example of Credit Card Issuing

  • مثال پنج - مقادیر جدول بندی شده Example Five - Tabulated Values

  • تولید خروجی ها Generating Outputs

  • مثال پنج تفسیر Example Five Interpretations

  • درآمد موقعیت ها Situations Income

  • طرح پراکنده Scatterplot

  • مقیاس طرح پراکندگی Scatter Plot Scale

  • با استفاده از بسته ابزار تجزیه و تحلیل داده ها Using Data Analysis Toolpak

  • اجرای آمار توصیفی Implementation of Descriptive Statistics

  • آمار توصیفی - محدوده ورودی Descriptive statistics - Input Range

  • اجرای ANOVA Implementation of ANOVA

  • اجرای T - Test Implementation of T - Test

  • پیاده سازی با استفاده از همبستگی Implementation Using Correlation

  • پیاده سازی با استفاده از رگرسیون Implementation Using Regression

SPSS رابط کاربری گرافیکی و برنامه های کاربردی SPSS GUI and Applications

  • پیاده سازی با استفاده از SPSS Implementation using SPSS

  • پیاده سازی با استفاده از SPSS ادامه دارد Implementation using SPSS Continues

  • وارد کردن مجموعه داده ها در متن و CSV Importing Datasets in Text and CSV

  • سایر مفاهیم درک میانگین SD Other Concepts of Understanding Mean SD

  • منوهای نرم افزار Software Menus

  • درک میانگین انحراف استاندارد Understanding Mean Standard Deviation

  • درک مفاهیم عملیاتی کاربر Understanding User Operating Concepts

تجزیه و تحلیل پیش بینی و مدل سازی با SAS Predictive Analytics & Modeling with SAS

  • معرفی SAS Enterprise Miner Introduction of SAS Enterprise Miner

  • یک جدول SAS را انتخاب کنید Select a SAS Table

  • ایجاد گره داده ورودی Creating Input Data Node

  • گزینه های مشاور فراداده Metadata Advisor Options

  • اضافه کردن منابع داده بیشتر Add More Data Sources

  • نمونه آمار Sample Statistics

  • گزارش آزمایشی Trial report

  • ویژگی های Cluster Node Properties of Cluster Node

  • انتخاب متغیر Variable Selection

  • متغیر ورودی Input Variable

  • متغیر ورودی ادامه دارد Input Variable Continues

  • مقادیر R-Square Values of R-Square

  • اطلاعات بیشتر در مورد انتخاب متغیر More on Variable Selection

  • متغیر هدف باینری Binary Target Variable

  • خلاصه متغیر و اثر Variable and Effect Summary

  • انتخاب متغیر - شناسه متغیر Variable Selection - Variable ID's

  • جدول فرکانس متغیر Variable Frequency Table

  • متغیر S - به روز رسانی مقایسه مدل Variable S - Updating Model Comparison

  • گره پارتیشن داده را اجرا کنید Run Data Partition Node

  • انتخاب متغیر - آمار تناسب Variable Selection - Fit Statistics

  • درک تبدیل متغیرها Understanding Transformation of Variables

  • نتایج همپوشانی رتبه بندی امتیاز. Score Ranking Overlay Res.

  • به روز رسانی تبدیل متغیرها Update Transformation of Variables

  • ترکیبی از مدل های مختلف Combination of Different Models

  • ویژگی های شبکه عصبی Properties of Neural Network

  • تجزیه و تحلیل متغیر خروجی Analyzing the Output Variable

  • ترکیب مدل رگرسیون Combination of Regression Model

  • ترکیب - نتیجه گره رگرسیون Combination - Result of Regression Node

  • طرح زیر مجموعه Subseries Plot

  • ایجاد نمودار متراکم Creating Densemble Diagram

  • کد SAS SAS Code

  • مدل درخت تصمیم Decision Tree Model

  • مدل درخت تصمیم را اجرا و به روز کنید Run and Upadate Decision Tree Model

  • ایجاد گره Dscore Creating Dscore Node

  • DT - نتیجه مقایسه مدل DT - Resulf of Model Comparison

  • آمار برگ و نقشه درختی Leaf Statistics and Tree Map

  • درختان تصمیم گیری تعاملی Interactively Decision Trees

  • نتیجه پارتیشن داده گره Result Node Data Partition

  • پنجره درختان تعاملی Interactively Trees Window

  • ساخت درختان تصمیم Building a Decision Trees

  • مدل شبکه عصبی Neural Network Model

  • خروجی مدل شبکه عصبی Neural Network Model Output

  • تاریخچه وزن مدل Model Weight History

  • شبکه عصبی - وزن نهایی Neural Network - Final Weight

  • نمودار ROC ROC Chart

  • شبکه عصبی - طرح تکرار Neural Network -Iteration Plot

  • شبکه عصبی - کد SAS Neural Network - SAS Code

  • شبکه عصبی - لیفت تجمعی Neural Network - Cumulative Lift

  • پردازش تصمیم Decision Processing

  • نتایج گره عصبی خودکار Results of Auto Neural Node

  • اجرای مقایسه مدل Run Model Comparison

  • DEX - شناسه های متغیر DEX - Variable ID's

  • میانگین مربع خطا Average Square Error

  • همپوشانی رتبه بندی امتیاز - رویداد Score Rating overlay - Event

  • گره رگرسیون Dmine را اجرا کنید Run Dmine Regression Node

  • رگرسیون با هدف باینری Regression with Binary Target

  • رگرسیون - نمودارهای اثر جدول Regression - Table Effect Plots

  • نتیجه مدل رگرسیون Result of Regression Model

  • به روز رسانی گره رگرسیون Update Regression Node

  • ایجاد نمودار جریان Creating Flow Diagram

آموزش مدلسازی پیشگو Predictive Modeling Training

  • مدل سازی پیش بینی چیست What is Predictive Modelling

  • مدل سازی پیش بینی کننده Predictive Modelling

  • چگونه یک مدل پیشگویانه بسازیم How to Build A Predicative Model

  • انواع متغیرها Types of Variables

  • تفاوت بین متغیرها Difference Between Variables

  • انواع دیگر - متغیرهای خارجی Other Types - Extraneous Variables

  • مراحل ساخت مدل پیشگویانه How to Build A Predicative Model Steps

  • الگوریتم ها Algorithms

  • روش های پیش بینی Forecasting Methods

  • سری زمانی چیست؟ What is Time Series

  • روش های هموارسازی - میانگین های متحرک Smoothing Methods - Moving Averages

  • روش های هموارسازی - هموارسازی دوگانه نمایی Smoothing Methods - Double Exponential Smoothing

  • الگوریتم های رگرسیون - نمایی Regression Algorithms - Exponential

  • الگوریتم های خوشه بندی - تعریف Clustering Algorithms - Definition

  • الگوریتم های خوشه بندی - فازی C به معنای خوشه بندی است Clustering Algorithms - Fuzzy C Means Clustering

  • الگوریتم شبکه عصبی Neural Network Algorithm

  • ماشین‌های بردار پشتیبانی Support Vector Machines

EViews - مدلسازی اقتصاد سنجی مقدماتی EViews - Introductory Econometrics Modeling

  • مقدمه ای بر آموزش Eview Introduction to Eview Training

  • Eviews GUI Eviews GUI

  • Eviews GUI ادامه دارد Eviews GUI Continues

  • ایجاد بازگشت گزارش Generating Log Returns

  • نمونه توصیفی Example of Descriptive

  • تفسیر و نمودارها Interpretation and Graphs

  • تفسیر و نمودارها ادامه دارد Interpretation and Graphs Continues

  • ایجاد گزارش بازده و توصیفی Generating Log Returns and Descriptive

  • ایجاد گزارش بازده و توصیفی ادامه دهید Generating Log Returns and Descriptive Continue

  • نمونه ای از تفاسیر Example of Interpretations

  • نمودارهای نوسانات Volatility Graphs

  • ایجاد بازده تفسیر و نمودار Generating returns Interpretation and Graphs

  • ایجاد بازده تفسیر ادامه دارد Generating returns Interpretation Continues

  • نظریه همبستگی پایه Basic Correlation Theory

  • ایجاد ماتریس همبستگی در Eviews Generating Correlation Matrix in Eviews

  • تولید ماتریس همبستگی در Eviews ادامه دارد Generating Correlation Matrix in Eviews Continues

  • درصد ماتریس همبستگی وجوه متقابل Mutual Funds Correlation Matrix Percentage

  • نمودارهای پراکنده با استفاده از Eviews Scatter Plots Using Eviews

  • تولید ماتریس همبستگی Generating Correlation Matrix

  • نمودارهای پراکندگی و نوسانات Scatter Plots and Volatility Graphs

  • تولید ماتریس همبستگی و تفاسیر Generating Correlation Matrix and Interpretations

  • ایجاد تفسیرهای همبستگی Generating Correlation Interpretations

  • ایجاد تفسیرهای همبستگی ادامه دارد Generating Correlation Interpretations Continues

  • پلات های پراکنده Scatter Plots

  • کار بر روی Scatter Plots Working on Scatter Plots

  • نظریه مدل سازی رگرسیون پایه Basic Regression Modelling Theory

  • تولید بازده و خروجی تخمین Generating Returns and Estimation Output

  • بیشتر در مورد ایجاد بازده More on Generating Returns

  • درک خروجی تخمین Understanding Estimation Output

  • درک خروجی برآورد ادامه دارد Understanding Estimation Output Continues

  • نمونه ای از تفاسیر Example of Interpretations

  • تولید خروجی برآورد Generating Estimation Output

  • تفاسیر و نمودارهای پراکندگی نوسانات Interpretations and Volatility Scatter Plots

  • اطلاعات بیشتر در مورد نمودارهای پراکندگی نوسانات More on Volatility Scatter Plots

  • تفاسیر و نمودارهای خروجی تخمین Estimation Output Interpretations and Graphs

  • تفاسیر و نمودارهای خروجی برآورد ادامه دارد Estimation Output Interpretations and Graphs Continues

  • مثال 3 - مطالعه قیمت NAV Example 3 - NAV Price Study

  • کار بر روی نمودارهای نوسانات Working on Volatility Graphs

  • ماتریس همبستگی Correlation Matrix

  • ماتریس همبستگی ادامه دارد Correlation Matrix Continues

  • مثال 4 - خروجی تخمین Example 4 - Estimation Output

  • مدل سازی رگرسیون پایه Basic Regression Modelling

  • مدلسازی رگرسیون پایه ادامه دارد Basic Regression Modelling Continues

  • تفسیرها و تحلیل پراکنده Interpretations and Scatterplot Analysis

  • اطلاعات بیشتر در مورد تجزیه و تحلیل Scatterplot More on Scatterplot Analysis

  • تخمین معادله Equation Estimation

نمایش نظرات

تحلیل و مدل سازی پیش بینی کننده: R | Minitab | SPSS | SAS
جزییات دوره
50 hours
360
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,079
5 از 5
ندارد
دارد
دارد
EDU CBA
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

EDU CBA EDU CBA

مهارت های دنیای واقعی را بصورت آنلاین بیاموزید EDUCBA یک ارائه دهنده جهانی آموزش مبتنی بر مهارت است که نیازهای اعضا را در بیش از 100 کشور برطرف می کند. ما بزرگترین شرکت فناوری پیشرفته در آسیا با نمونه کارهای 5498+ دوره آنلاین ، 205+ مسیر یادگیری ، 150+ برنامه شغل محور (JOPs) و 50+ بسته دوره حرفه ای شغلی هستیم که توسط متخصصان برجسته صنعت آماده شده است. برنامه های آموزشی ما برنامه های مبتنی بر مهارت شغلی است که توسط صنعت در سراسر امور مالی ، فناوری ، تجارت ، طراحی ، داده و فناوری جدید و آینده مورد نیاز صنعت است.