دوره
قیمت خونه و نرخ کلیک تبلیغات رو با پیاده‌سازی، تحلیل و تفسیر تحلیل رگرسیون با statsmodels در پایتون پیش‌بینی کنید.
رگرسیون خطی و رگرسیون لجستیک دو مورد از پرکاربردترین مدل‌های آماری هستن. اون‌ها مثل کلیدهای طلایی عمل می‌کنن و رازهای پنهان در داده‌های شما رو فاش می‌کنن. در این دوره، مهارت‌های لازم برای برازش رگرسیون‌های خطی و لجستیک ساده رو یاد می‌گیرید. از طریق تمرین‌های عملی، رابطه بین متغیرها رو در دیتاست‌های واقعی بررسی می‌کنید؛ مثل خسارت‌های بیمه ماشین، قیمت خونه در تایوان، اندازه ماهی‌ها و غیره. تا پایان این دوره، یاد می‌گیرید چطور از داده‌هاتون پیش‌بینی کنید، عملکرد مدل رو بسنجید و مشکلات برازش مدل رو پیدا کنید.
دقت و محدودیت‌های پیش‌بینی مدل رو ارزیابی کنید و تاثیر برون‌یابی و تبدیل متغیرها رو روی نتایج بررسی کنید.
نقش ضرایب، باقیمانده‌ها، ضریب تعیین، خطای استاندارد باقیمانده، اهرم و فاصله Cook رو در خروجی رگرسیون تعریف کنید.
تفاوت بین احتمال، نسبت شانس، لگاریتم شانس و محتمل‌ترین نتیجه رو هنگام تفسیر نتایج رگرسیون لجستیک و ماتریس‌های سردرگمی تشخیص بدید.
برازش مدل رو با تفسیر معیارهای عددی و نمودارهای تشخیصی در رگرسیون خطی و لجستیک ارزیابی کنید.
موقعیت‌های مناسب برای استفاده از رگرسیون خطی ساده و رگرسیون لجستیک با statsmodels در پایتون رو تشخیص بدید.
با اصول این مدل آماری پرکاربرد آشنا می‌شید، یاد می‌گیرید رگرسیون چیه و رگرسیون خطی چه تفاوتی با رگرسیون لجستیک داره. بعد یاد می‌گیرید مدل‌های رگرسیون خطی ساده رو با متغیرهای توضیحی عددی و دسته‌ای برازش کنید و با استفاده از ضرایب مدل، رابطه بین متغیر پاسخ و متغیرهای توضیحی رو توصیف کنید.
در این بخش یاد می‌گیرید چطور با استفاده از مدل‌های رگرسیون خطی، قیمت خانه‌ها در تایوان و تعداد کلیک روی تبلیغات فیس‌بوک رو پیش‌بینی کنید. همچنین با کار عملی روی اشیای مدل، مهارت‌هاتون در رگرسیون رو بیشتر می‌کنید، با مفهوم «رگرسیون به میانگین» آشنا می‌شید و یاد می‌گیرید چطور متغیرهای یک دیتاست رو تبدیل کنید.
در این بخش یاد می‌گیرید چطور با بررسی مدل، میزان برازش اون رو ارزیابی کنید. همچنین یاد می‌گیرید کیفیت برازش یک مدل رگرسیون خطی رو به‌صورت عددی بسنجید، با استفاده از مصورسازی‌ها مشکلات مدل رو تشخیص بدید و اهرم و تاثیر هر مشاهده روی مدل رو بررسی کنید.
یاد می‌گیرید چطور مدل‌های رگرسیون لجستیک رو برازش کنید. با استفاده از داده‌های واقعی، احتمال بسته‌شدن حساب بانکی یک مشتری رو به‌صورت احتمال موفقیت و شانس پیش‌بینی می‌کنید و با استفاده از ماتریس درهم‌ریختگی، عملکرد مدل رو به‌صورت عددی ارزیابی می‌کنید.
با تکمیل این دوره، شما یک گواهی معتبر دریافت می‌کنید که بیانگر کسب مهارت‌های لازم مرتبط با این دوره آموزشی است.
هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم می‌کند.
می‌توانید گواهی‌های خود را به‌راحتی در شبکه‌های حرفه‌ای مانند لینکدین با دیگران به اشتراک بگذارید.
رگرسیون خطی و رگرسیون لجستیک دو مورد از پرکاربردترین مدل‌های آماری هستن. اون‌ها مثل کلیدهای طلایی عمل می‌کنن و رازهای پنهان در داده‌های شما رو فاش می‌کنن. در این دوره، مهارت‌های لازم برای برازش رگرسیون‌های خطی و لجستیک ساده رو یاد می‌گیرید. از طریق تمرین‌های عملی، رابطه بین متغیرها رو در دیتاست‌های واقعی بررسی می‌کنید؛ مثل خسارت‌های بیمه ماشین، قیمت خونه در تایوان، اندازه ماهی‌ها و غیره. تا پایان این دوره، یاد می‌گیرید چطور از داده‌هاتون پیش‌بینی کنید، عملکرد مدل رو بسنجید و مشکلات برازش مدل رو پیدا کنید.
دقت و محدودیت‌های پیش‌بینی مدل رو ارزیابی کنید و تاثیر برون‌یابی و تبدیل متغیرها رو روی نتایج بررسی کنید.
نقش ضرایب، باقیمانده‌ها، ضریب تعیین، خطای استاندارد باقیمانده، اهرم و فاصله Cook رو در خروجی رگرسیون تعریف کنید.
تفاوت بین احتمال، نسبت شانس، لگاریتم شانس و محتمل‌ترین نتیجه رو هنگام تفسیر نتایج رگرسیون لجستیک و ماتریس‌های سردرگمی تشخیص بدید.
برازش مدل رو با تفسیر معیارهای عددی و نمودارهای تشخیصی در رگرسیون خطی و لجستیک ارزیابی کنید.
موقعیت‌های مناسب برای استفاده از رگرسیون خطی ساده و رگرسیون لجستیک با statsmodels در پایتون رو تشخیص بدید.
با اصول این مدل آماری پرکاربرد آشنا می‌شید، یاد می‌گیرید رگرسیون چیه و رگرسیون خطی چه تفاوتی با رگرسیون لجستیک داره. بعد یاد می‌گیرید مدل‌های رگرسیون خطی ساده رو با متغیرهای توضیحی عددی و دسته‌ای برازش کنید و با استفاده از ضرایب مدل، رابطه بین متغیر پاسخ و متغیرهای توضیحی رو توصیف کنید.
در این بخش یاد می‌گیرید چطور با استفاده از مدل‌های رگرسیون خطی، قیمت خانه‌ها در تایوان و تعداد کلیک روی تبلیغات فیس‌بوک رو پیش‌بینی کنید. همچنین با کار عملی روی اشیای مدل، مهارت‌هاتون در رگرسیون رو بیشتر می‌کنید، با مفهوم «رگرسیون به میانگین» آشنا می‌شید و یاد می‌گیرید چطور متغیرهای یک دیتاست رو تبدیل کنید.
در این بخش یاد می‌گیرید چطور با بررسی مدل، میزان برازش اون رو ارزیابی کنید. همچنین یاد می‌گیرید کیفیت برازش یک مدل رگرسیون خطی رو به‌صورت عددی بسنجید، با استفاده از مصورسازی‌ها مشکلات مدل رو تشخیص بدید و اهرم و تاثیر هر مشاهده روی مدل رو بررسی کنید.
یاد می‌گیرید چطور مدل‌های رگرسیون لجستیک رو برازش کنید. با استفاده از داده‌های واقعی، احتمال بسته‌شدن حساب بانکی یک مشتری رو به‌صورت احتمال موفقیت و شانس پیش‌بینی می‌کنید و با استفاده از ماتریس درهم‌ریختگی، عملکرد مدل رو به‌صورت عددی ارزیابی می‌کنید.
با تکمیل این دوره، شما یک گواهی معتبر دریافت می‌کنید که بیانگر کسب مهارت‌های لازم مرتبط با این دوره آموزشی است.
هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم می‌کند.
می‌توانید گواهی‌های خود را به‌راحتی در شبکه‌های حرفه‌ای مانند لینکدین با دیگران به اشتراک بگذارید.
با اپلیکیشن فینکا، به بیشتر دوره‌ها و مسیرها روی موبایل دسترسی دارید، تمرین می‌کنید و یادگیری رو هم‌زمان روی موبایل و دسکتاپ ادامه می‌دید.