Maven Analytics – Machine Learning 3: Regression 2025-10

در تاریخ: 1404/08/10 0:01:17

توضیحات

Machine Learning 3: Regression & Forecasting، دوره آموزش یادگیری ماشین ۳: رگرسیون و پیش‌بینی توسط آکادمی Maven Analytics منتشر شده است.این دوره بخش سوم از یک مجموعه چهار قسمتی است که برای ایجاد درک عمیق و بنیادی از ابزارها و تکنیک‌های یادگیری ماشین طراحی شده است؛ از پروفایلینگ داده و تضمین کیفیت تا مدل‌سازی طبقه‌بندی، رگرسیون و پیش‌بینی، یادگیری بدون نظارت و موارد دیگر. در این دوره چشم‌انداز یادگیری نظارت‌شده را مرور می‌کنید، مفاهیم کلیدی مانند مهندسی ویژگی، تقسیم داده و بیش‌برازش را دوباره بررسی می‌کنید و با دنیای مدل‌سازی رگرسیون آشنا می‌شوید. اجزای اصلی مانند روابط خطی و خطای کمترین مربعات معرفی می‌شوند و کاربرد آن‌ها در مدل‌های رگرسیون تک‌متغیره، چندمتغیره و غیرخطی نشان داده می‌شود. با معیارهای تشخیصی رایج مانند R-squared، میانگین خطا، F-significance و مقدار P و همچنین مفاهیم مهمی مانند هم‌واریانسی و چندهمبستگی آشنا می‌شوید. در نهایت وارد بحث پیش‌بینی سری زمانی می‌شوید و تکنیک‌هایی برای شناسایی فصلی بودن، پیش‌بینی روندهای غیرخطی و اندازه‌گیری تاثیر تصمیمات کسب‌وکار با تحلیل مداخله را می‌آموزید. در طول دوره، مطالعات موردی برای تثبیت مفاهیم کلیدی و ارتباط آن‌ها با سناریوهای واقعی ارائه می‌شود؛ از جمله تخمین قیمت ملک، پیش‌بینی روندهای فصلی، پیش‌بینی فروش محصول جدید و سنجش تاثیر تغییرات وب‌سایت بر کسب‌وکار. این دوره برنامه‌نویسی نیست و به جای آن با ابزارهای آشنا مانند اکسل، موضوعات پیچیده را ساده‌سازی می‌کند تا دقیقاً نحوه عملکرد آن‌ها را ببینید. اگر آماده‌اید پایه‌ای قوی برای موفقیت در علم داده بسازید، این دوره برای شما مناسب است.

آنچه خواهید آموخت

مرور مفاهیم یادگیری نظارت‌شده و مهندسی ویژگی
درک مدل‌های رگرسیون خطی، چندمتغیره و غیرخطی
به‌کارگیری معیارهای تشخیصی مانند R-squared، میانگین خطا، F-significance و مقدار P
بررسی پیش‌بینی سری زمانی و تحلیل مداخله
ارتباط تحلیل رگرسیون با سناریوهای واقعی کسب‌وکار با استفاده از اکسل

این دوره برای چه کسانی مناسب است

علاقه‌مندان به علم داده که به دنبال پایه‌ای قوی در رگرسیون و پیش‌بینی هستند
تحلیل‌گران کسب‌وکار و متخصصانی که می‌خواهند مفاهیم یادگیری ماشین را بدون برنامه‌نویسی به کار ببرند
هر کسی که به رویکردهای عملی یادگیری ماشین مبتنی بر اکسل علاقه دارد