مقدمه ای بر مدل سازی خطی در پایتون

یکی از اهداف اولیه هر دانشمندی یافتن الگوهایی در داده ها و ساخت مدل هایی برای توصیف، پیش بینی و استخراج بینش از آن الگوها است. اساسی ترین این الگوها رابطه خطی بین دو متغیر است. این دوره با نشان دادن تکنیک‌هایی مانند حداقل مربعات، رگرسیون خطی، تخمین و نمونه‌برداری مجدد بوت استرپ، مقدمه‌ای بر کاوش، کمی‌سازی و مدل‌سازی روابط خطی در داده‌ها ارائه می‌کند. در اینجا قدرتمندترین ابزارهای مدل‌سازی در اکوسیستم علوم داده پایتون، از جمله scipy، statsmodels و scikit-learn را برای ساخت و ارزیابی مدل‌های خطی به کار خواهید برد. با کاوش در مفاهیم و کاربردهای مدل های خطی با پایتون، این دوره هم به عنوان یک مقدمه عملی برای مدل سازی و هم به عنوان پایه ای برای یادگیری تکنیک ها و ابزارهای مدل سازی پیشرفته تر در آمار و یادگیری ماشین عمل می کند.