مخاطبین دوره:

• تحلیلگران داده (Data Analysts): که می‌خواهند از تحلیل‌های توصیفی فراتر رفته و وارد دنیای مدل‌سازی پیش‌بینی‌کننده شوند.
• دانشمندان داده مبتدی (Junior Data Scientists): که به دنبال تقویت پایه‌های نظری و درک عمیق‌تر الگوریتم‌ها هستند.
• دانشجویان رشته‌های آمار، کامپیوتر و مهندسی: که قصد دارند دانش آکادمیک خود را با مهارت‌های عملی و مورد نیاز بازار کار تکمیل کنند.
• برنامه‌نویسان و توسعه‌دهندگان نرم‌افزار: که علاقه‌مند به ورود به حوزه جذاب هوش مصنوعی و یادگیری ماشین هستند.

پیش‌نیازها: برای بهره‌مندی کامل از این دوره، آشنایی با موارد زیر توصیه می‌شود:

• مبانی برنامه‌نویسی (ترجیحاً پایتون یا R)
• مفاهیم اولیه ریاضیات (حساب دیفرانسیل و انتگرال)
• جبر خطی مقدماتی (بردارها و ماتریس‌ها)

بخش اول: مقدمات و مدل‌های رگرسیون خطی

در این بخش، با اصول اولیه یادگیری آماری آشنا می‌شوید. تفاوت بین یادگیری بانظارت و بدون نظارت را درک کرده و اولین مدل خود را می‌سازید.

• مقدمه‌ای بر یادگیری آماری و اصطلاحات کلیدی (متغیر پاسخ، پیش‌بینی‌کننده‌ها)
• ارزیابی دقت مدل: خطای میانگین مربعات (MSE) و بایاس-واریانس (Bias-Variance Tradeoff)
• رگرسیون خطی ساده و چندگانه: ساخت، تفسیر ضرایب و ارزیابی مدل
• بررسی متغیرهای کیفی و اثرات متقابل (Interaction Effects)

بخش دوم: طبقه‌بندی (Classification) و روش‌های بازنمونه‌گیری (Resampling)

پس از رگرسیون، نوبت به مسائل طبقه‌بندی می‌رسد که در آن‌ها هدف، پیش‌بینی یک برچسب کیفی است (مانند تشخیص اسپم یا عدم اسپم بودن یک ایمیل).

• رگرسیون لجستیک: یکی از محبوب‌ترین الگوریتم‌های طبقه‌بندی
• تحلیل تفکیک خطی (LDA) و درجه دوم (QDA)
• مقایسه روش‌های مختلف طبقه‌بندی
• روش‌های حیاتی بازنمونه‌گیری: اعتبارسنجی متقاطع (Cross-Validation) و بوت‌استرپ (Bootstrap) برای ارزیابی واقعی عملکرد مدل

بخش سوم: انتخاب مدل و روش‌های регуляризації

در دنیای واقعی، داده‌ها معمولاً شامل ده‌ها یا صدها متغیر هستند. چگونه بهترین متغیرها را برای مدل خود انتخاب کنیم؟

• انتخاب بهترین زیرمجموعه (Best Subset Selection)
• روش‌های گام به گام (Forward/Backward Stepwise Selection)
• رگرسیون ریج (Ridge Regression) و لاسو (Lasso): تکنیک‌های قدرتمند برای مدیریت هم‌خطی و انتخاب خودکار متغیرها
• مدل‌های فراتر از خطی بودن: رگرسیون چندجمله‌ای و اسپلاین‌ها (Splines)

بخش چهارم: مدل‌های مبتنی بر درخت و یادگیری جمعی (Ensemble Learning)

این بخش شما را با خانواده‌ای از الگوریتم‌های بسیار قدرتمند و انعطاف‌پذیر آشنا می‌کند که در بسیاری از مسابقات علم داده پیشتاز هستند.

• درخت‌های تصمیم (Decision Trees) برای رگرسیون و طبقه‌بندی
• کیسه‌بندی (Bagging)، جنگل‌های تصادفی (Random Forests)
• تقویت (Boosting): الگوریتم‌های AdaBoost و Gradient Boosting که مدل‌های ضعیف را برای ساخت یک پیش‌بینی‌کننده قوی ترکیب می‌کنند.

بخش پنجم: یادگیری بدون نظارت (Unsupervised Learning)

در این بخش، به سراغ سناریوهایی می‌رویم که در آن‌ها برچسب خروجی وجود ندارد و هدف، کشف الگوهای پنهان در داده‌هاست.

• تحلیل مؤلفه‌های اصلی (PCA): روشی برای کاهش ابعاد و بصری‌سازی داده‌های با ابعاد بالا
• خوشه‌بندی (Clustering): الگوریتم‌های K-Means و خوشه‌بندی سلسله‌مراتبی برای گروه‌بندی داده‌های مشابه