اپلیکیشن اندرویدی فلش‌کارت آموزشی برآورد دقیق و بدون تورش اثرات مداخله: رویکرد نوین تعدیل رگرسیونی (LOORA)

349,950 تومان
برآورد دقیق اثرات مداخله: دوره آموزشی LOORA به سوی استنتاج سببی قدرتمند: دوره آموزشی برآورد دقیق و بدون تورش اثرات مداخله با رویکرد نوین تعدیل رگرسیونی (LOORA) آیا در دنیای داده‌ها و تحلیل‌های پیچیده،...
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 87,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره برآورد دقیق و بدون تورش اثرات مداخله: رویکرد نوین تعدیل رگرسیونی (LOORA)

موضوع کلی: استنتاج سببی و علم داده

موضوع میانی: تحلیل کارآزمایی‌های بالینی و تصادفی‌سازی شده (RCTs)

📋 سرفصل‌های دوره

  • 1. مبانی استنتاج سببی: معرفی و مفاهیم کلیدی
  • 2. تفاوت همبستگی و علیت
  • 3. مقدمه‌ای بر کارآزمایی‌های بالینی تصادفی‌سازی شده (RCTs)
  • 4. اهمیت تصادفی‌سازی در RCTs
  • 5. سوگیری‌های رایج در RCTs و روش‌های مقابله با آن‌ها
  • 6. مروری بر معیارهای ارزیابی در RCTs (ATE, ATT, ITT)
  • 7. اثر متوسط مداخله (ATE): تعریف و تفسیر
  • 8. اثر مداخله بر افراد درمان شده (ATT): تعریف و تفسیر
  • 9. تحلیل قصد به درمان (ITT): تعریف و تفسیر
  • 10. نقش متغیرهای کمکی (Confounders) در استنتاج سببی
  • 11. شناسایی متغیرهای کمکی: روش‌های آماری و دانش تخصصی
  • 12. مبانی رگرسیون خطی: مرور مفاهیم کلیدی
  • 13. رگرسیون خطی چندگانه: مدل‌سازی روابط پیچیده
  • 14. بررسی مفروضات رگرسیون خطی و روش‌های تشخیص نقض آن‌ها
  • 15. تبدیل داده‌ها برای بهبود برازش مدل رگرسیونی
  • 16. رگرسیون لجستیک: مدل‌سازی پیامدهای دودویی
  • 17. رگرسیون پواسون: مدل‌سازی پیامدهای شمارشی
  • 18. مفهوم تعدیل رگرسیونی: کاهش واریانس و افزایش دقت
  • 19. تعدیل رگرسیونی در RCTs: اصول و کاربردها
  • 20. مزایای تعدیل رگرسیونی نسبت به تحلیل‌های ساده
  • 21. معرفی مقاله "Unbiased Regression-Adjusted Estimation of Average Treatment Effects"
  • 22. بررسی خلاصه مقاله و اهداف اصلی تحقیق
  • 23. مفاهیم آماری مورد استفاده در مقاله
  • 24. مرور روش‌های سنتی برآورد ATE در RCTs
  • 25. محدودیت‌های روش‌های سنتی و نیاز به روش‌های جدید
  • 26. تعدیل رگرسیونی خطی: رویکرد ساده و کاربردی
  • 27. تعدیل رگرسیونی با متغیرهای تعاملی (Interaction terms)
  • 28. انتخاب متغیرهای مناسب برای تعدیل رگرسیونی
  • 29. تأثیر انتخاب متغیر بر برآورد ATE
  • 30. برآوردگر LOORA (Linear Outcome-Oriented Regression Adjustment): معرفی
  • 31. مبانی نظری برآوردگر LOORA
  • 32. اثبات نااریبی (Unbiasedness) برآوردگر LOORA
  • 33. محاسبه واریانس و خطای استاندارد برآوردگر LOORA
  • 34. مقایسه LOORA با روش‌های سنتی تعدیل رگرسیونی
  • 35. تعدیل رگرسیونی غیرخطی: بررسی مدل‌های پیشرفته
  • 36. رگرسیون GAM (Generalized Additive Models)
  • 37. رگرسیون MARS (Multivariate Adaptive Regression Splines)
  • 38. رگرسیون بر اساس درخت‌های تصمیم (Decision Trees)
  • 39. رگرسیون جنگل تصادفی (Random Forests)
  • 40. رگرسیون ماشین بردار پشتیبان (Support Vector Regression)
  • 41. انتخاب مدل رگرسیونی مناسب بر اساس ویژگی‌های داده
  • 42. استفاده از معیارهای ارزیابی مدل (RMSE, R-squared, MAE)
  • 43. اعتبارسنجی متقابل (Cross-validation) برای انتخاب مدل
  • 44. بررسی اثرات تعاملی (Interaction Effects) در مدل‌های رگرسیونی
  • 45. تشخیص و تفسیر اثرات تعاملی
  • 46. مدل‌سازی اثرات تعاملی با استفاده از متغیرهای دامی (Dummy variables)
  • 47. اهمیت برهمکنش‌ها در درک اثرات مداخله
  • 48. تأثیر ناهمگونی اثرات درمان (Heterogeneous Treatment Effects)
  • 49. بررسی زیرگروه‌های جمعیتی با اثرات درمانی متفاوت
  • 50. استفاده از رگرسیون برای شناسایی زیرگروه‌ها
  • 51. تعدیل رگرسیونی با استفاده از داده‌های مشاهده‌ای (Observational data)
  • 52. تطبیق (Matching) و وزن‌دهی (Weighting) در داده‌های مشاهده‌ای
  • 53. استفاده از Propensity Score Matching (PSM)
  • 54. استفاده از Inverse Probability of Treatment Weighting (IPTW)
  • 55. متغیرهای ابزاری (Instrumental Variables) و استنتاج سببی
  • 56. تشخیص و اعتبارسنجی متغیرهای ابزاری
  • 57. استفاده از متغیرهای ابزاری برای برآورد ATE
  • 58. تحلیل حساسیت (Sensitivity Analysis) برای ارزیابی استحکام نتایج
  • 59. بررسی تأثیر مفروضات بر نتایج استنتاج سببی
  • 60. روش‌های تحلیل حساسیت برای مقابله با سوگیری‌های پنهان
  • 61. بررسی موارد نقض فرضیات تصادفی‌سازی
  • 62. روش‌های مقابله با عدم تعادل بین گروه‌های درمانی
  • 63. استفاده از روش‌های Bayesian برای برآورد ATE
  • 64. مبانی آمار Bayesian و مدل‌سازی سلسله مراتبی
  • 65. مزایای روش‌های Bayesian در استنتاج سببی
  • 66. تفسیر و گزارش نتایج تحلیل‌های تعدیل رگرسیونی
  • 67. ارائه نتایج به صورت واضح و قابل فهم
  • 68. تأکید بر عدم قطعیت‌ها و محدودیت‌های تحلیل
  • 69. استفاده از نمودارها و جداول برای نمایش نتایج
  • 70. ملاحظات اخلاقی در کارآزمایی‌های بالینی و استنتاج سببی
  • 71. حفظ حریم خصوصی شرکت‌کنندگان
  • 72. جلوگیری از سوگیری در گزارش نتایج
  • 73. کاربرد LOORA در مطالعات دنیای واقعی
  • 74. مثال‌هایی از کاربرد LOORA در حوزه‌های مختلف (پزشکی، اقتصاد، علوم اجتماعی)
  • 75. محدودیت‌ها و چالش‌های استفاده از LOORA
  • 76. نرم‌افزارهای آماری برای اجرای LOORA (R, Python, SAS)
  • 77. پیاده‌سازی LOORA در R: آموزش گام به گام
  • 78. پیاده‌سازی LOORA در Python: آموزش گام به گام
  • 79. مقایسه عملکرد LOORA با سایر روش‌ها در شبیه‌سازی داده‌ها
  • 80. شبیه‌سازی داده‌ها برای بررسی دقت و نااریبی LOORA
  • 81. بررسی تأثیر حجم نمونه بر عملکرد LOORA
  • 82. تکنیک‌های پیشرفته برای بهبود عملکرد LOORA
  • 83. استفاده از یادگیری ماشین برای انتخاب متغیرهای تعدیل رگرسیونی
  • 84. تعدیل رگرسیونی با استفاده از شبکه‌های عصبی
  • 85. ملاحظات مربوط به داده‌های بزرگ (Big Data) در استنتاج سببی
  • 86. مقابله با داده‌های گم‌شده (Missing Data) در RCTs
  • 87. روش‌های مختلف مقابله با داده‌های گم‌شده (Imputation, Weighting)
  • 88. تحلیل حساسیت به داده‌های گم‌شده
  • 89. برآورد ATE در حضور داده‌های censored
  • 90. مدل‌سازی زمان بقا (Survival Analysis) و استنتاج سببی
  • 91. استفاده از Cox Regression برای تعدیل رگرسیونی
  • 92. روش‌های پیشرفته برای تحلیل داده‌های Survival censored
  • 93. بررسی اثرات مداخله در بازه‌های زمانی مختلف
  • 94. تحلیل رویدادهای مکرر (Recurrent Events)
  • 95. تطبیق (Matching) در داده‌های زمانی
  • 96. برآورد ATE با استفاده از یادگیری علی (Causal Machine Learning)
  • 97. استفاده از meta-learners (S-learner, T-learner, X-learner)
  • 98. رگرسیون کمترین مربعات تعمیم‌یافته (Generalized Least Squares - GLS)
  • 99. بررسی اثرات خوشه‌ای (Clustered Data)
  • 100. مدل‌سازی اثرات تصادفی (Random Effects Models)
اپلیکیشن آموزشی اندروید
یادگیری هوشمند، همیشه همراه شما
فلش‌کارت‌های آموزشی را در یک محیط فارسی، ساده و کاربردی مرور کنید؛ پاسخ‌های خود را بسنجید و پیشرفت یادگیری‌تان را دنبال کنید.
مطالعه آفلاین محیط فارسی و راست‌چین ویژه اندروید
فلش‌کارت آموزشی؛ روشی کاربردی برای مرور مطالب

این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلش‌کارت طراحی شده است. کارت‌ها را یکی‌یکی مرور کنید، پاسخ پرسش‌ها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.

📴
یادگیری بدون اینترنت مداوم
پس از نصب و در دسترس بودن محتوای دوره، فلش‌کارت‌ها را در زمان و مکان دلخواه مرور کنید.
🗂️
انواع محتوای آموزشی
از نکته‌های آموزشی تا پرسش‌های چهارگزینه‌ای و پرسش‌وپاسخ، مطالب را متناسب با نیاز خود مرور کنید.
📊
ارزیابی میزان یادگیری
پاسخ‌های درست و غلط خود را ثبت کنید و آمار عملکردتان را به تفکیک نوع محتوا ببینید.
🎯
مرور هدفمند فصل‌ها
فصل‌های موردنظر را انتخاب کنید و با استفاده از گزینه انتخاب همه، مرور فصل‌های مرورنشده را در اولویت قرار دهید.
انواع فلش‌کارت‌های قابل مرور

محتوای آموزشی در قالب‌های متنوع ارائه می‌شود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموخته‌ها قابل استفاده باشد.

💬
نکته‌های خودمانی
یادگیری ساده و روان
📘
نکته‌های رسمی و کتابی
مرور دقیق مفاهیم
📝
پرسش‌های چهارگزینه‌ای
سنجش آموخته‌ها
❓
پرسش‌وپاسخ
تمرین یادآوری پاسخ
🎓
درسنامه
مرور محتوای آموزشی
امکانات مرور و ارزیابی
حرکت ساده بین کارت‌ها
استفاده از دکمه‌های قبلی و بعدی و مشاهده نوار پیشرفت برای دنبال کردن روند مرور.
مشاهده پاسخ و توضیحات
برگرداندن کارت برای نمایش پاسخ و توضیحات در قالب‌هایی مانند تست و پرسش‌وپاسخ.
تنظیم اندازه فونت
انتخاب اندازه مناسب نوشته‌ها برای تجربه مطالعه راحت‌تر.
نمایش فرمول‌های ریاضی
پشتیبانی از نمایش صحیح فرمول‌ها و روابط ریاضی مبتنی بر LaTeX.
ثبت نتیجه و گزارش آماری
علامت‌گذاری هر پاسخ به‌صورت درست یا غلط و مشاهده تعداد و درصد موفقیت برای انواع محتوا.
طراحی‌شده برای مطالعه روزمره
  • رابط کاربری فارسی و راست‌چین با فونت وزیر.
  • تم روشن و تیره مطابق تنظیمات سیستم.
  • صفحه‌بندی ساده برای انتخاب دوره و شروع مرور.
  • نمایش تعداد دفعات مرور هر فصل.
  • انتخاب چند فصل برای مرور هم‌زمان.
  • امکان تمرکز بر فصل‌هایی که هنوز مرور نشده‌اند.
مناسب برای چه کسانی است؟

این اپلیکیشن برای دانش‌آموزان، دانشجویان، داوطلبان آزمون‌ها و علاقه‌مندان به یادگیری طراحی شده است؛ به‌ویژه کسانی که می‌خواهند مطالب آموزشی را در زمان‌های کوتاه مرور کنند، دانسته‌های خود را بسنجند و مطالعه منظم‌تری داشته باشند.

توجه: محتوای آموزشی و تعداد فلش‌کارت‌ها به دوره انتخاب‌شده بستگی دارد. محتوای دوره پس از نصب، درون برنامه قابل استفاده است؛ با این حال، دریافت اولیه اپلیکیشن و به‌روزرسانی‌های احتمالی ممکن است به اینترنت نیاز داشته باشند.
گالری تصاویر اپلیکیشن‌ها
محیط واقعی اپلیکیشن‌های آموزشی ما
تصاویر زیر، نمونه‌هایی از محیط واقعی اپلیکیشن‌های آموزشی ما هستند و قالب کلی، سبک طراحی و شیوه نمایش محتوای آموزشی در این برنامه‌ها را نشان می‌دهند.
نگاهی به فضای داخل برنامه
تصویر محیط اپلیکیشن آموزشی ۱
نمای اپلیکیشن ۱
تصویر محیط اپلیکیشن آموزشی ۲
نمای اپلیکیشن ۲
تصویر محیط اپلیکیشن آموزشی ۳
نمای اپلیکیشن ۳
تصویر محیط اپلیکیشن آموزشی ۴
نمای اپلیکیشن ۴
تصویر محیط اپلیکیشن آموزشی ۵
نمای اپلیکیشن ۵
تصویر محیط اپلیکیشن آموزشی ۶
نمای اپلیکیشن ۶
تصویر محیط اپلیکیشن آموزشی ۷
نمای اپلیکیشن ۷
تصویر محیط اپلیکیشن آموزشی ۸
نمای اپلیکیشن ۸
تصویر محیط اپلیکیشن آموزشی ۹
نمای اپلیکیشن ۹
تصویر محیط اپلیکیشن آموزشی ۱۰
نمای اپلیکیشن ۱۰
تصویر محیط اپلیکیشن آموزشی ۱۱
نمای اپلیکیشن ۱۱
نکته مهم درباره تصاویر
این تصاویر نمونه‌ای از قالب و سبک طراحی اپلیکیشن‌های آموزشی ما هستند. اپلیکیشن ارائه‌شده نیز از همین رویکرد طراحی و نمایش محتوای آموزشی پیروی می‌کند؛ جزئیات ظاهری و امکانات قابل مشاهده ممکن است متناسب با نوع دوره و بخش مورد استفاده متفاوت باشد.
تگ‌ها: ATE Average Treatment Effect Causal Inference LOORA Randomized Controlled Trials RCT Regression Adjustment آمار اثرات مداخله استنتاج سببی برآورد بدون تورش تحلیل داده داده کاوی علم داده کارآزمایی بالینی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.