Digiroof मे आपका स्वागत है। यहा आपको Machine Learning से संबंधित कोर्स मिलेगे।

Praise for this course:

About the instructor

Instructor Title

Rajat Aggarwal

Welcome to digiroof.com, a site dedicated towards simplifying the various concepts related to machine learning and statistics. I have over 12 years of experience working with data. Looking forward to interact with you.

Course Curriculum

  • 1

    पूर्वदर्शन

  • 2

    पहला अध्याय - Regression के बुनियादी नियम।

    • 1 - Machine Leaning, कुछ प्रमुख परिभाषाएँ, Simple और Multiple Linear Regression

    • 2 - Predictor और Response के संंबंंघ को कैसे दिखाएँ, कुछ उदाहरण

    • 3 - Supervised और Unsupervised Learning के बीच का अंतर

    • 4 - Predictor और Response के संंबंंघ को सीधी लाइन मे बदलने का कारण, कोर्स किन लोगो के लिए है।

    • 5 - Regression लाइन को और अच्छे से समझे।

    • 6 - लाइन के दौ हिस्से Slope और Intercept से परिचित हो, Slope के बारे मे अधिक जानकारी।

    • 7 - Slope निकालने का पहला तरीका।

    • पहला अध्याय (अभ्यास के लिए फाइलस)।
  • 3

    दूसरा अध्याय -Statistics से जुडे महत्वपूर्ण नियम, जो Regression समझने के लिए आवश्यक है।

    • 8 - Distribution graph से परिचय, Frequency और Proportion Distribution Graph

    • 9 - Normal Distribution के कुछ उदाहरण, Variance और Standard deviation को समझे, औसत अंतर निकालने का कारण।

    • 10 - Normal Distribution के अहम नियम, कुछ उदाहरण, t-distribution से परिचय।

    • 11 - Response variable का अंदाजा मीन के द्वारा लगाना कब गलत है, Regression model से variance कैसे निकाले।

    • दूसरा अध्याय (अभ्यास के लिए फाइलस)
  • 4

    तीसरा अध्याय - Least Square Method (Regression Line को बनाने का तरीका)।

    • 12 - Least Square Method (LSM) से परिचय, LSM के अनुसार Slope का फारमूला

    • 13 - Line Equation की मदद से intercept को निकालते है।

    • 14 - Slope को विस्तार मे समझते है, Slope और intercept की मदद से Regression लाइन बनाते है।

    • 15 - Regression लाइन की equation और scatterplot की मदद से Response variable का अंदाजा कैसे निकाले।

    • 16 - Slope के फारमूला का स्रोत, फारमूला तक पहुचने के लिए Error को अच्छे से समझे।

    • 17 - फारमूला के लिए मिले हुए हर Error को square करे।

    • 18 - R से परिचय, R की मदद से sample data कैसे बनाए।

    • 19 - sample को excel मे ले जाकर scatterplot कैसे बनाए।

    • 20 - Least Square Method के ज़रिये sample का slope, intercept कैसे निकाले, Regression लाइन कैसे बनाए।

    • तीसरा अध्याय (अभ्यास के लिए फाइलस)
  • 5

    चौथा अध्याय - Regression Model का परीक्षण करने के तरीके।

    • 21 - मीन और Regression model की तुलना, sum of squares से परिचय

    • 22 - sum of squares कैसे निकाले (पहला उदाहरण)।

    • 23 - sum of squares (दूसरा उदाहरण), correlation और R2 की मदद से Regression model को कैसे जाँचे।

    • 24 - F-statistic से परिचय , systematic और unsystematic variance का मतलब समझे।

    • 25 - F-statistic का फारमूला, मीन MSS और मीन RSS को कैसे निकाले, degree of freedom का विचार समझे।

    • 26 - R की मदद से real world data को तैयार कैसे करेगे।

    • 27 - Excel मे Least Square Method की मदद से slope और intercept कैसे निकालेगे, Regression लाइन कैसे बनेगी।

    • 28 - Correlation, R2 और F-statistic की मदद से regression model का परीक्षण कैसे करे।

    • चौथा अध्याय (अभ्यास के लिए फाइलस)
  • 6

    पाँचवा अध्याय - t-test की मदद से regression model का परीक्षण।

    • 29 - t-test का परिचय, t-test की Null और Alternate Hypothesis, Sample और Population।

    • 30 - t-test के फारमूले के हिस्सो को समझे

    • 31 - Central Theorem, Slope का standard error निकालने के दो तरीके।

    • 32 - t-test से मिले परिणाम को समझे।

    • 33 - t-table को कैसे पढे, one-tailed और two-tailed test के बीच का अंतर, p-value और significance value को समझे।

    • 34 - t-test और t-table से मिले परिणाम का आकलण करके regression model पे कैसे राय बनाए।

    • पाँचवाअध्याय (अभ्यास के लिए फाइलस)
  • 7

    छठवाँ अध्याय - Error term को समझे।

    • 35 - Line Equation और error की मदद से response की असल संख्या कैसे निकाले।

    • 36 - एक और उदाहरण की मदद से Error को समझते है, Regression Model और मीन के बीच का अंतर।

    • 37 - Predictor और Response की unit पता होने का महत्व, Intercept का standard error कैसे निकाले, standard error निकालने का महत्व

    • 38 - summary function का परिणाम (Quantiles को समझे, पहले coefficient यानि intercept के हिस्से को समझे)।

    • 39 - summary function का परिणाम (slope के हिस्से को समझे, scientific notation को कैसे पढे, Residual Standard Error को समझे)

    • 40 - summary function का परिणाम (R2 aur F-stat के हिस्से को समझे), Correlation causation नही होती।

    • छठवाँ अध्याय (अभ्यास के लिए फाइलस)
  • 8

    सातवाँ अध्याय - Simple और Multiple Linear Regression की तुलना।

    • 41 - एक अकेले data की मदद से Simple Linear Models कैसे बनाए।

    • 42 -एक ही data की मदद से बने simple और multiple linear models अलग परिणाम दे सकते है।

    • 43 - एक data से बने Simple और Multiple Linear model की तुलना, Multiple linear model मे मौजूद Slope की संख्या का मतलब समझे।

    • 44 - लाइन equation को कैसे लिखे जब model मे एक से ज्यादा predictor हो

    • 45 - Simple linear model के मुकाबले, Multiple linear model एक बहतर विकल्प क्यों है

    • 46 - एक और उदाहरण की मदद से Multiple Linear Model बनाते है

    • सातवाँ अध्याय (अभ्यास के लिए फाइलस)
  • 9

    आठवाँ अध्याय - Missing data के कारण, Missing data के बारे मे अधिक जानकारी

    • 47 - किन R packages की मदद से Missing data को समझ सकते है? Missing data के तीन कारण

    • 48 - Missing Completely at Random (MCAR) और Missing at Random (MAR) को समझे

    • 49 - Not Missing at Random (NMAR) को समझे, Mice function का परिचय

    • 50 - md_pattern function की मदद से Missing data को कैसे समझे?

    • 51 - vim package मे मौजूद aggr function से missing data को कैसे समझे?

    • 52 - Plots की मदद से missing data को कैसे समझे?

    • आठवाँ अध्याय (अभ्यास के लिए फाइलस)
  • 10

    नवां अध्याय - Regression model के द्वारा खाली cells को कैसे भरे

    • 53 - summary function से missing cells की जानकारी, symnum function से correlation कैसे निकाले

    • 54 - function कैसे बनाए, Regression model से खाली cells को भरने का तरीका

    • 55 - Regression model से खाली cells को भरने का तरीका (दो और variables)

    • नवां अध्याय (अभ्यास के लिए फाइलस)
  • 11

    दसवाँ अध्याय - कुछ उदाहरण जिनमे Data मे बदलाव करके Regression Model को बहतर किया जा सकता है

    • 56 - Categorical variable मे बदलाव करके data को delete होने से कैसे रोके

    • 57 - उम्र के column को दिखाने का बहतर तरीका

    • 58 - उम्र के column मे मौजूद data को उम्र की अलग-अलग श्रेणीयो मे कैसे बदले

    • दसवाँ अध्याय (अभ्यास के लिए फाइलस)
  • 12

    ग्यारहवाँ अध्याय - खाली cells को भरने के अलग-अलग तरीके

    • 59 - na.omit function, खाली cells को variable के मीन से कैसे बदले

    • 60 - k nearest neighborhood

    • 61 - Mice function

    • 62 - Mice function मे इस्तमाल होने वाले arguments

    • 63 - Mice function से मिली खाली cells की replacement से regression model को बहतर कैसे बनाए

    • 64 - recursive partitioning, rpart function मे मौजूद arguments

    • 65 - missmap function से खाली cells की अघिक जानकारी, Amelia function, zelig function

    • ग्यारहवाँ अध्याय (अभ्यास के लिए फाइलस)
  • 13

    बारहवाँ अध्याय - data को training और testing set मे बांटके regression model को और अच्छे से परखे

  • 14

    तेरहवाँ अध्याय - Regression Model को परखने के कुछ प्रमुख तरीके, Outliers कैसे निकाले

    • 69 - vif function की मदद से predictors के बीच की collinearity को कैसे जांचे

    • 70 - vif function से मिले परिणाम के अनुसार Regression Model मे क्या परिवर्तन करने होते है

    • 71 - Residuals से परिचय़, Raw residuals

    • 72 - standardized residuals और leverage की मदद से outliers को कैसे पहचाने

      FREE PREVIEW

    • 73 - studentized residual के द्वारा outliers कैसे निकाले

    • 74 - cook's distance को समझे

    • 75 - एक और उदाहरण की मदद से residuals के विचार को जाने

    • 76 - covariance ratio - outliers को पहचानने का एक और तरीका

    • 77 - Durbin watson test, Tolerance और Average vif

    • तेरहवाँ अध्याय (अभ्यास के लिए फाइलस)
  • 15

    चौदहवां अध्याय - Regression Model से जुडे कुछ आवश्यक plots

    • 78 - plots की मदद से regression model की कमीयो को कैसे समझे

    • 79 - कुछ और महत्त्वपूर्ण plots

    • चौदहवां अध्याय (अभ्यास के लिए फाइलस)
  • 16

    अलविदा

    • अलविदा

Use your Call To Action description to encourage students to sign up for your course

Sign up now!

You may also be interested in...