آموزش تفکر طراحی و تحلیل پیش‌بینانه برای محصولات داده‌محور - آخرین آپدیت

هفته اول: یادگیری نظارت شده و رگرسیون Week 1: Supervised Learning & Regression

• مقدمه‌ای بر یادگیری نظارت شده Introduction to Supervised Learning

• یادگیری نظارت شده: رگرسیون Supervised Learning: Regression

• رگرسیون در پایتون Regression in Python

• رگرسیون سری‌های زمانی Time-Series Regression

• خودرگرسیون (Autoregression) Autoregression

هفته دوم: ویژگی‌ها Week 2: Features

• استخراج ویژگی‌ها از داده‌های طبقه‌بندی شده Features from Categorical Data

• استخراج ویژگی‌ها از داده‌های زمانی Features from Temporal Data

• تبدیلات ویژگی‌ها Feature Transformations

• مدیریت مقادیر گم‌شده Missing Values

هفته سوم: طبقه‌بندی Week 3: Classification

• یادگیری نظارت شده: طبقه‌بندی Supervised Learning: Classification

• طبقه‌بندی: نزدیک‌ترین همسایگان (KNN) Classification: Nearest Neighbors

• طبقه‌بندی: رگرسیون لجستیک Classification: Logistic Regression

• مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM) Introduction to Support Vector Machines

هفته چهارم: گرادینت کاهشی Week 4: Gradient Descent

• طبقه‌بندی در پایتون Classification in Python

• مقدمه‌ای بر آموزش و تست مدل Introduction to Training and Testing

• گرادینت کاهشی در پایتون Gradient Descent in Python

• گرادینت کاهشی در تنسورفلو Gradient Descent in TensorFlow

• کدنویسی زنده: تنسورفلو Livecoding: Tensorflow

پروژه نهایی Final Project