آموزش تجزیه‌وتحلیل رگرسیون: ساده کردن روابط داده‌های پیچیده

**زیرنویس این دوره توسط هوش مصنوعی انجام گرفته است.**

متخصصان داده از تحلیل رگرسیونی برای کشف روابط بین متغیرهای مختلف در یک مجموعه‌داده و شناسایی عوامل کلیدی مؤثر بر عملکرد کسب‌وکار استفاده می‌کنند. در این دوره، شما مدل‌سازی روابط بین متغیرها را تمرین خواهید کرد. با روش‌های مختلف مدل‌سازی داده و چگونگی استفاده از آن‌ها برای حل مسائل کسب‌وکار آشنا خواهید شد. همچنین روش‌هایی مانند رگرسیون خطی، تحلیل واریانس (ANOVA) و رگرسیون لجستیک را بررسی خواهید کرد.

کارمندان گوگل که هم‌اکنون در این حوزه فعالیت می‌کنند، با ارائهٔ فعالیت‌های عملی شبیه‌سازی‌شدهٔ وظایف مرتبط، به اشتراک گذاشتن نمونه‌هایی از کار روزانهٔ خود و کمک به تقویت مهارت‌های تحلیل دادهٔ شما برای آمادگی شغلی، شما را در این دوره راهنمایی می‌کنند.

در پایان این دوره، شما قادر خواهید بود:

• بررسی استفاده از مدل‌های پیش‌بینی‌کننده برای توصیف روابط بین متغیرها با تاکید بر همبستگی
• تعیین چگونگی گسترش رگرسیون چندگانه از رگرسیون خطی ساده در هر مرحله از فرآیند مدل‌سازی
• اجرای و تفسیر آزمون‌های ANOVA یک طرفه و دو طرفه
• ساخت انواع مختلف رگرسیون‌های لجستیک از جمله مدل‌های رگرسیون لجستیک دو جمله‌ای، چندجمله‌ای، ترتیبی و پواسون