آموزش مدل‌سازی رگرسیون برای بازاریابان - آخرین آپدیت

دانلود Regression Modeling for Marketers

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره «مدل‌سازی رگرسیون برای بازاریابان» یک دوره تخصصی است که برای ارتقای مهارت‌های تحلیلی متخصصان بازاریابی طراحی شده است. این دوره با تمرکز بر تحلیل رگرسیون، فراگیران را قادر می‌سازد تا نتایج بازاریابی را با استفاده از مدل‌های رگرسیون خطی ساده و چندگانه، کمی‌سازی، تبیین و پیش‌بینی کنند. ویژگی برجسته این دوره، عدم اکتفا به آموزش ساخت و تفسیر بصری‌سازی داده‌های بازار و پرداختن به استفاده از نرم‌افزارهای آماری پیشرفته برای استخراج بینش‌های بازاریابی است. دانشجویان تکنیک‌های تحلیلی پیچیده‌ای مانند ANOVA، ANCOVA و MANCOVA را بررسی می‌کنند تا توانایی خود را در تحلیل اثرات استراتژی‌های بازاریابی افزایش دهند. همچنین، این دوره رگرسیون لجستیک و تست‌های چندمتغیره را که ابزارهایی کلیدی برای پیش‌بینی تغییرات بازار و انتخاب‌های مصرف‌کننده هستند، پوشش می‌دهد. علاوه بر این، بر کاربرد مدل‌سازی Uplift برای کمپین‌های بازاریابی هدفمند و شخصی‌سازی شده تاکید شده است که آن را به منبعی ضروری برای بازاریابان مدرن تبدیل می‌کند.

سرفصل ها و درس ها

درک رگرسیون خطی ساده Understanding Simple Linear Regression

  • ایده‌های اصلی رگرسیون خطی ساده (SLR) The Main Ideas of Simple Linear Regression (SLR)

  • توصیف خطوط و توزیع‌های نرمال Describing Lines and Normal Distributions

  • باقی‌مانده‌ها، SSE و رگرسیون حداقل مربعات معمولی Residuals, SSE, and Ordinary Least Squares Regression

  • باندهای اطمینان برای خطوط رگرسیون: همسانی واریانس Confidence Bands for Regression Lines: Homoscedasticity

  • پیش‌بینی با SLR: به‌دست آوردن ضرایب رگرسیون Predicting With SLR: Obtaining Regression Coefficients

تفسیر خروجی‌های رگرسیون خطی ساده Interpreting SLR Output

  • آزمون نرمال بودن باقی‌مانده‌ها Testing for Normality of Residuals

  • خطاهای استاندارد برای ضرایب رگرسیون Standard Errors for Regression Coefficients

  • ضریب تعیین (R Squared) R-Squared

  • خلاصه خروجی‌های رگرسیون Summary of Regression Outputs

  • تفاوت میانگین‌ها، بخش اول: آزمون تی دو نمونه‌ای Difference of Means, Part 1: Two-Sample T-Test

  • تفاوت میانگین‌ها، بخش دوم: SLR با متغیرهای Dummy و تست A/B Difference of Means, Part 2: SLR with Dummy Variables and A/B Testing

فراتر از رگرسیون خطی ساده (SLR) Beyond Simple Linear Regression (SLR)

  • بررسی مفروضات SLR Checking SLR Assumptions

  • ارزیابی بصری مفروضات SLR: چهارگانه آنسکوم Assessing SLR Assumptions Visually: Anscombe's Quartet

  • رگرسیون هموارسازی ناپارامتریک با استفاده از LOESS: بخش اول Non-Parametric Smoothing Regression Using LOESS: Part 1

  • رگرسیون هموارسازی ناپارامتریک با استفاده از LOESS: بخش دوم Non-Parametric Smoothing Regression Using LOESS: Part 2

  • مقایسه SLR و LOESS Comparing SLR and LOESS

  • مقدمه‌ای بر رگرسیون خطی چندگانه (MLR) Introduction to Multiple Linear Regression (MLR)

  • ضریب تعیین (R Squared) برای MLR R-Squared for MLR

  • رگرسیون MLR با متغیرهای مستقل گسسته: One Hot Encoding MLR with Discrete Independent Variables: One-Hot Encoding

  • تفسیر ضرایب MLR برای متغیرهای Dummy Interpreting MLR Coefficients for Dummy Variables

  • جمع‌بندی One Hot Encoding در MLR Wrap-up on One-Hot Encoding in MLR

به‌کارگیری و تعمیم رگرسیون خطی چندگانه (MLR) Applying and Generalizing Multiple Linear Regression (MLR)

  • تحلیل واریانس (ANOVA) Analysis of Variance (ANOVA)

  • بررسی مفروضات ANOVA Checking Anova Assumptions

  • تحلیل کوواریانس (ANCOVA) Analysis of Covariance (ANCOVA)

  • فراتر از ANCOVA Beyond ANCOVA

  • رگرسیون لجستیک و مدل‌های خطی تعمیم‌یافته Logistic Regression & Generalized Linear Models

  • برآورد بیشینه احتمال (MLE) و رگرسیون لجستیک چندمتغیره MLE and Multivariate Logistic Regression

  • ارزیابی علی با مدل‌های رگرسیون ۱: بهبود تست A/B با MLR Causal Evaluation with Regression Models 1: Improved A/B Testing with MLR

  • ارزیابی علی با مدل‌های رگرسیون ۲: تست چندمتغیره و مدل‌سازی Uplift Causal Evaluation with Regression Models 2: Multivariate Testing and Uplift Modeling

  • ارزیابی علی با مدل‌های رگرسیون ۳: روش تفاضل در تفاضل (DID) Causal Evaluation with Regression Models 3: Difference-in-Differences (DID)

  • روش‌های ارزیابی علی Causal Evaluation Methods

نمایش نظرات

آموزش مدل‌سازی رگرسیون برای بازاریابان
جزییات دوره
19h 9m
31
(آخرین آپدیت)
568
- 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