آموزش آنالیتیکس پیش‌بینی‌کننده و تجویزی برای تصمیم‌گیری - آخرین آپدیت

سرفصل ها و درس ها

فصل ۱ – مروری بر تحلیل‌های پیش‌بینی‌کننده Chapter 1 - Overview of Predictive Analytics

• مرور کلی، مدل‌ها و مدل‌سازی Overview, Models & Modelling

• خلاصه – کتابخانه‌های کلیدی Recap -Key libraries

• آشنایی با داده‌های مقطعی و طولی Understanding cross sectional and longitudinal data

• آزمون فصل Chapter Quiz

فصل ۲ – رگرسیون خطی ساده و رگرسیون خطی چندگانه Chapter 2 - Simple Linear Regression and Multiple Linear Regression

• مبانی رگرسیون Regression Fundamentals

• معادله رگرسیون خطی The linear regression equation

• رگرسیون خطی توضیح داده شد Linear Regression explained

• رگرسیون خطی با متغیر مستقل Linear Regression with independent variable

• تفسیر R-Squared Interpreting R -Squared

• ارزیابی عملکرد مدل Evaluating Model Performance

• فرضیات کلیدی رگرسیون خطی Key assumptions of Linear Regression

• تحلیل باقیمانده‌ها Residual Analysis

• آزمون‌های آماری برای تأیید فرضیات Statistical tests to validate assumptions

• همبستگی و علیت Correlation and Casuation

• هیت مپ و نمودارهای پراکندگی Heat map and Scatter plots

• مورد کاربرد رگرسیون خطی چندگانه Multiple Linear Regression use case

• تفسیر خروجی‌های رگرسیون Interpreting regression outputs

• موارد کاربرد رگرسیون Regression use cases

• آزمون فصل ۲ Chapter 2 Quiz

فصل ۳ – پیش‌بینی سری‌های زمانی Chapter 3 - Time Series Forecasting

• مبانی سری‌های زمانی Time Series Fundamentals

• تجسم داده‌های سری زمانی با استفاده از نمودارها Visualizing time series data using plots

• اجزای سری زمانی Components of Time series

• سری زمانی ایستا Stationary time series

• مبانی پیش‌بینی Forecasting fundamentals

• تکنیک‌های پیش‌بینی Forecasting techniques

• تکنیک‌های پیش‌بینی: هموارسازی نمایی Forecasting techniques : Exponential Smoothing

• تکنیک‌های پیش‌بینی: روش هولت Forecasting techniques : Holt’s method

• تکنیک‌های پیش‌بینی: روش هولت-وینتر Forecasting techniques : Holt’s Winter method

• تکنیک‌های پیش‌بینی: ACF و PACF Forecasting techniques : ACF & PACF

• تکنیک‌های پیش‌بینی: ARIMA Forecasting techniques : ARIMA

• تکنیک‌های پیش‌بینی: مدل‌های ARIMA در پایتون Forecasting techniques : ARIMA models in Python

• کاربردهای سری‌های زمانی Applications of Time Series

• آزمون فصل Chapter Quiz

فصل ۴ – تحلیل‌های تجویزی – گرادیان نزولی Chapter 4 - Prescriptive Analytics -Gradient Descent

• مقدمه‌ای بر تحلیل‌های تجویزی Introduction to Prescriptive Analytics

• گرادیان نزولی (و کد) Gradient Descent (& code)

• مبانی گرادیان نزولی Gradient descent fundamentals

• رگرسیون گرادیان نزولی تصادفی Stochastic Gradient descent regression

• آزمون فصل Chapter Quiz

فصل ۵ – تحلیل‌های تجویزی – مسائل برنامه‌ریزی خطی Chapter 5-Prescriptive Analytics-Linear Programming Problems

• مبانی برنامه‌ریزی خطی Linear Programming fundamentals

• اجزای LPP Components of LPP

• فرمول‌بندی مدل LPP Formulating the LPP model

• حل مدل‌های خطی – روش گرافیکی Solving linear models-Graphical method

• حل مدل‌های خطی – روش سیمپلکس Solving linear models -Simplex method

• فرضیات LPP Assumptions of LPP

• کاربردهای تجاری LPP Business applications of LPP

• آزمون فصل Chapter Quiz

فصل ۶ – تصمیمات تجاری ۱ Chapter 6 -Business Decisions I

• روش‌های پارامتری و ناپارامتری – مدل‌سازی Parametric & Non Parametric Methods -Model building

• موازنه‌ها – دقت در برابر قابلیت تفسیر Tradeoffs -Accuracy vs Explainability

• آزمون فصل ۶ Chapter - 6 Quiz

فصل ۷ – تصمیمات تجاری ۲ Chapter 7 -Business Decisions ..II

• چارچوبی برای انتخاب مدل مناسب جهت حل مسائل تجاری Framework to choose the right model to address business problems

• آزمون فصل Chapter Quiz