آموزش رگرسیون و طبقه‌بندی - آخرین آپدیت

دانلود Regression and Classification

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره مقدمه‌ای بر یادگیری آماری به بررسی مفاهیم راه‌اندازی مدل‌سازی آماری می‌پردازد، از جمله اینکه چه زمانی از مدل‌های خاصی استفاده کنیم، چگونه این مدل‌ها را بهینه کنیم و آیا گزینه‌های دیگر توازن‌های خاصی را ارائه می‌دهند یا خیر. در این دوره آموزشی// رگرسیون، طبقه‌بندی، درختان تصمیم، بازنمونه‌گیری (Resampling)، تکنیک‌های یادگیری بدون نظارت و بسیاری موارد دیگر را پوشش می‌دهیم! این دوره می‌تواند به عنوان بخشی از مقطع کارشناسی ارشد در علوم داده (MS-DS) دانشگاه CU Boulder در پلتفرم Coursera ارائه شود. MS-DS یک مدرک بین‌رشته‌ای است که اساتید از بخش‌های ریاضیات کاربردی، علوم کامپیوتر، علوم اطلاعات و سایرین را گرد هم می‌آورد. با پذیرش مبتنی بر عملکرد و بدون نیاز به درخواست رسمی، MS-DS برای افرادی که دارای طیف گسترده‌ای از تحصیلات مقطع کارشناسی و/یا تجربه حرفه‌ای در علوم کامپیوتر، علوم اطلاعات، ریاضیات و آمار را دارند، ایده‌آل است. برای اطلاعات بیشتر درباره برنامه MS-DS به آدرس https://www.coursera.org/degrees/master-of-science-data-science-boulder مراجعه کنید.

سرفصل ها و درس ها

مقدمه‌ای بر یادگیری آماری Statistical Learning Introduction

  • مقدمه و خوشامدگویی Introduction and Welcome

  • یادگیری با نظارت در مقابل یادگیری بدون نظارت Supervised vs. Unsupervised

  • مروری بر نمادگذاری‌ها Notation Overview

  • مثال کلی و بحث Overview Example & Discussion

  • پیش‌بینی Prediction

  • استنتاج Inference

  • روش‌های پارامتریک Parametric Methods

  • تفسیرپذیری در مقابل انعطاف‌پذیری Interpretability vs. Flexibility

  • کمی در مقابل کیفی Quantitative vs. Qualitative

دقت مدل Accuracy

  • دقت مدل Model Accuracy

  • توازن بین بایاس و واریانس Bias-Variance Trade-off

  • ارزیابی دقت — طبقه‌بندی Assessing Accuracy — Classification

  • طبقه‌بندی‌کننده بایز بخش اول Bayes Classifier Part I

  • طبقه‌بندی‌کننده بایز بخش دوم Bayes Classifier Part II

  • ارزیابی دقت — KNN Assessing Accuracy — KNN

رگرسیون خطی ساده Simple Linear Regression

  • مروری بر رگرسیون خطی ساده Simple Linear Regression Overview

  • تخمین ضرایب Coefficient Estimation

  • دقت تخمین‌های ضرایب Accuracy of Coefficient Estimates

  • دقت مدل Model Accuracy

  • همبستگی Correlation

رگرسیون خطی چندگانه Multiple Linear Regression

  • مروری بر رگرسیون خطی چندگانه Multiple Linear Regression Overview

  • رابطه بین X و Y Relationship Between X and Y

  • پیش‌بین‌های کیفی Qualitative Predictors

  • عبارات تعاملی Interaction Terms

  • هم‌خطی چندگانه Multicollinearity

  • رگرسیون خطی در مقابل رگرسیون KNN Linear Regression vs. KNN Regression

مروری بر طبقه‌بندی Classification Overview

  • مروری بر طبقه‌بندی Classification Overview

  • رگرسیون خطی در مقابل رگرسیون لجستیک Linear vs. Logistics Regression

  • رگرسیون لجستیک Logistic Regression

  • تخمین ضرایب Estimating Coefficients

  • رگرسیون لجستیک چندگانه Multiple Logistic Regression

  • مدل‌های مولد بخش اول Generative Models Part I

  • مدل‌های مولد بخش دوم Generative Models Part II

مدل‌های طبقه‌بندی Classification Models

  • LDA LDA

  • تخمین‌های LDA LDA Estimates

  • LDA با p > 1 LDA with p > 1

  • جزئیات استاندارد به چندمتغیره Standard to Multivariate Details

  • QDA QDA

  • نایو بایز Naive Bayes

  • رگرسیون پوآسون Poisson Regression

  • توابع پیوند و جمع‌بندی Link Functions and Conclusion

نمایش نظرات

آموزش رگرسیون و طبقه‌بندی
جزییات دوره
34h 50m
41
(آخرین آپدیت)
4,215
- 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