دوره آموزشی یادگیری ماشین با رگرسیون لجستیک در Excel، R و Power BI
2 ساعت 50 دقیقهمتوسط2021-11-05
مدرسین

Helen Wall
Data analytics and business analysis expert
جزئیات دوره
Excel، R، و Power BI برنامه هایی هستند که به طور جهانی در علم داده و در بین مشاغل و سازمان ها در سراسر جهان استفاده می شوند. اگر زمانی را صرف کرده اید تا بفهمید که چگونه داده های خود را بهتر مدل کنید تا بینش مفیدی از آنها بدست آورید که می توانید بر اساس آن ها عمل کنید، به احتمال زیاد با این برنامه ها مواجه شده اید. در این دوره، هلن وال نحوه استفاده از Excel، R و Power BI را برای رگرسیون لجستیک به منظور مدلسازی دادهها برای پیشبینی برچسبهای طبقهبندی مانند تشخیص تقلب یا موفقیت در آزمایشهای پزشکی نشان میدهد. هلن چندین نمونه از رگرسیون لجستیک را بررسی می کند. او نحوه استفاده از اکسل را برای محاسبه ملموس مدل رگرسیون نشان می دهد، سپس از R برای محاسبات و تجسم های فشرده تر استفاده می کند. سپس نحوه استفاده از Power BI را برای ادغام قابلیت های محاسبات Excel و R در یک مدل مقیاس پذیر و قابل اشتراک نشان می دهد.
مهارت ها
RPower BIStatisticsBusiness AnalyticsBusiness IntelligenceMachine LearningSpreadsheetsMicrosoft ExcelData AnalysisArtificial Intelligence (AI)Programming LanguagesData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen SourceMicrosoftSoftware DevelopmentDeep Dive (X:Y)
سرفصل ها
0. مقدمه
- 01 - برای حل مشکلات از رگرسیون لجستیک استفاده کنید
- 02 - آنچه باید بدانید
- 03 - معرفی پروژه دوره
- 04 - پیکربندی افزونه Excel Solver
- 05 - کار با R
- 06 - پیکربندی R در Power BI
1. توزیعها و احتمالات
- 07 - معرفی هوش مصنوعی و رگرسیون لجستیک
- 08 - افتراق بین شانس و احتمال
- 09 - تمایز بین توزیع ها
- 10 - محاسبه لاگ و توان
- 11 - منحنی سیگموئید
- 12 - استفاده از مجموعه دادههای آموزشی و آزمایشی
2. رگرسیون لجستیک دو جمله ای
- 13 - محاسبه رگرسیون خطی
- 14 - کار با مدل لاجیت
- 15 - محاسبه احتمال ورود
- 16 - ساخت MLE
- 17 - حل MLE
- 18 - پیشبینی نتایج
- 19 - تجسم رگرسیون لجستیک
- 20 - چالش - محاسبه رگرسیون لجستیک
- 21 - راه حل - محاسبه رگرسیون لجستیک
3. تنظیم دقیق مدل
- 22 - افزودن متغیرهای مستقل بیشتر
- 23 - تبدیل متغیرها
- 24 - محاسبه همبستگی ها
- 25 - استفاده از آمار
- 26 - پیکربندی جداول سردرگمی
- 27 - چالش - تنظیم دقیق مدل
- 28 - راه حل - تنظیم دقیق مدل
4. رگرسیون چند جمله ای
- 29 - محاسبه شانس برای مدلهای چند جمله ای
- 30 - محاسبه احتمالات برای مدلهای چند جمله ای
- 31 - محاسبه احتمالات لاگ چندجمله ای
- 32 - دویدن MLE
- 33 - پیش بینی
5. کار در PowerBI با R
- 34 - اجرای اسکریپتهای R در ویرایشگر Power Query
- 35 - اجرای تصاویر استاندارد R
- 36 - تعامل بین اجزای بصری
- 37 - چالش - حرکت به Power BI
- 38 - راه حل - انتقال به Power BI
نتیجه
- 39 - مراحل بعدی با رگرسیون لجستیک
دوره های مرتبط
- دوره آموزشی یادگیری ماشین با پایتون: رگرسیون لجستیک
- دوره آموزشی ماشین لرنینگ با Scikit-Learn آپدیت (2020)
- دوره آموزشی یادگیری ماشین با scikit-learn
- دوره آموزشی یادگیری جامع یادگیری تحت نظارت
- دوره آموزشی یادگیری جامع زبان R:بخش دوم دادههای مدل سازی
- دوره آموزشی یادگیری کاربردی ماشینی: الگوریتم ها
- دوره آموزشی یادگیری کاربردی ماشین: الگوریتمها (2019)
- دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: مدل سازی طبقه بندی
مسیرهای مرتبط
- مسیر آموزشی تبدیل شدن به یک استاد مسلط بر مهارت های پیشرفته داده ها و تجزیه و تحلیل اکسل
- مسیر یادگیری گواهینامه حرفهای یادگیری ماشین با پایتون
- مسیر آموزشی توسعه مهارتهای پایتون برای هوش مصنوعی و یادگیری ماشین
- مسیر آموزشی مهارت های خود را به عنوان یک متخصص یادگیری ماشین ارتقا دهید
- مسیر آموزشی ارتقاء مهارت های خود را در هوش مصنوعی و یادگیری ماشین
- مسیر آموزشی توسعه دادن مهارت های SPSS
- مسیر آموزشی گواهینامه حرفهای علم داده
- مسیر آموزشی هوش مصنوعی در مراقبتهای بهداشتی: اصول برای نقشهای فنی