دوره تحلیل رگرسیون کاربردی و GLM: از مبانی تا پیشرفته همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

2,490,000 تومان
تحلیل رگرسیون کاربردی و GLM: از مبانی تا پیشرفته | دوره آموزش پیش‌بینی تحلیل رگرسیون کاربردی و GLM: از مبانی تا پیشرفته دوره جامع آموزش مدل‌سازی آماری و پیش‌بینی برای حرفه‌ای‌ها 1. معرفی دوره: به دنیا...
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 622,500 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 تحلیل رگرسیون کاربردی و GLM: از مبانی تا پیشرفته

موضوع کلی: مدل‌سازی آماری و پیش‌بینی

موضوع میانی: رگرسیون و مدل‌های خطی تعمیم‌یافته

📋 سرفصل‌های دوره

  • 1. مقدمه و بررسی اجمالی
  • 2. نیاز به مدل‌سازی آماری
  • 3. مفاهیم اساسی مدل‌سازی رگرسیون
  • 4. هدف رگرسیون خطی ساده
  • 5. انواع مختلف داده‌ها و متغیرها
  • 6. واریانس و کوواریانس
  • 7. مفاهیم احتمال و توزیع‌ها
  • 8. توزیع نرمال و خواص آن
  • 9. مقدمه‌ای بر توزیع‌های گسسته
  • 10. مقدمه‌ای بر توزیع‌های پیوسته
  • 11. انواع متغیرهای پاسخ
  • 12. مدل رگرسیون خطی ساده: مفروضات
  • 13. برآورد پارامترها: روش حداقل مربعات (OLS)
  • 14. مربع کل (SST)
  • 15. مربع خطا (SSE)
  • 16. مربع رگرسیون (SSR)
  • 17. ضریب تعیین (R-squared)
  • 18. نرمال بودن باقی‌مانده‌ها
  • 19. همگنی واریانس باقی‌مانده‌ها (Homoscedasticity)
  • 20. استقلال باقی‌مانده‌ها
  • 21. عدم وجود هم‌خطی کامل (Multicollinearity)
  • 22. آزمون فرضیه برای ضرایب رگرسیون
  • 23. فاصله اطمینان برای ضرایب رگرسیون
  • 24. تفسیر ضرایب رگرسیون
  • 25. مدل رگرسیون خطی چندگانه
  • 26. ساختار مدل رگرسیون چندگانه
  • 27. برآورد پارامترها در مدل چندگانه
  • 28. تفسیر ضرایب در مدل چندگانه
  • 29. آزمون F کلی برای معناداری مدل
  • 30. آزمون فرضیه برای ضرایب منفرد در مدل چندگانه
  • 31. ضریب تعیین تعدیل شده (Adjusted R-squared)
  • 32. بررسی نقض مفروضات در مدل چندگانه
  • 33. شناسایی و مدیریت هم‌خطی (Multicollinearity)
  • 34. تشخیص هم‌خطی: VIF و Tolerance
  • 35. راهکارهای مقابله با هم‌خطی
  • 36. متغیرهای مجازی (Dummy Variables)
  • 37. مدل‌سازی متغیرهای کیفی
  • 38. تفسیر ضرایب متغیرهای مجازی
  • 39. تعامل بین متغیرهای مستقل
  • 40. مدل‌سازی اثرات تعاملی
  • 41. تفسیر ضرایب تعاملی
  • 42. مدل‌های چندجمله‌ای (Polynomial Regression)
  • 43. مدل‌سازی روابط غیرخطی با متغیرهای مستقل
  • 44. برآورد و تفسیر ضرایب مدل‌های چندجمله‌ای
  • 45. انتخاب بهترین مدل رگرسیون
  • 46. معیارهای انتخاب مدل (AIC, BIC)
  • 47. بررسی باقی‌مانده‌ها (Residual Analysis)
  • 48. نمودارهای باقی‌مانده
  • 49. تشخیص نقاط پرت (Outliers)
  • 50. تشخیص نقاط اهرمی (Leverage Points)
  • 51. شناسایی و مدیریت نقاط تأثیرگذار (Influential Points)
  • 52. رگرسیون وزنی (Weighted Least Squares - WLS)
  • 53. کاربرد WLS در مواقع واریانس ناهمگن
  • 54. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
  • 55. نیاز به GLM: فراتر از رگرسیون خطی
  • 56. اجزای GLM: تابع پیوند (Link Function)
  • 57. اجزای GLM: توزیع خانواده نمایی (Exponential Family)
  • 58. مفهوم توزیع در GLM
  • 59. توزیع پواسون (Poisson Distribution)
  • 60. کاربرد توزیع پواسون در GLM (رگرسیون پواسون)
  • 61. تفسیر ضرایب در رگرسیون پواسون
  • 62. بیش‌توزیع (Overdispersion) و راهکارهای آن
  • 63. رگرسیون باینری (Binary Regression)
  • 64. توزیع برنولی (Bernoulli Distribution)
  • 65. مدل لجستیک (Logistic Regression)
  • 66. تابع پیوند لاجیت (Logit Link Function)
  • 67. تفسیر ضرایب در مدل لجستیک
  • 68. نسبت شانس (Odds Ratio)
  • 69. مدل پروبیت (Probit Regression)
  • 70. تابع پیوند پروبیت (Probit Link Function)
  • 71. مقایسه مدل لجستیک و پروبیت
  • 72. مدل‌های ترتیبی (Ordinal Regression)
  • 73. مدل‌های نامرتب (Nominal Regression)
  • 74. رگرسیون چندجمله‌ای لجستیک (Multinomial Logistic Regression)
  • 75. مفاهیم مربوط به مدل‌های طبقه‌بندی
  • 76. ارزیابی مدل‌های GLM
  • 77. شاخص‌های برازش (Goodness-of-fit)
  • 78. آزمون نسبت درستنمایی (Likelihood Ratio Test)
  • 79. معیارهای اطلاعاتی (AIC, BIC) برای GLM
  • 80. استفاده از نرم‌افزارهای آماری برای GLM
  • 81. پیاده‌سازی GLM با R
  • 82. پیاده‌سازی GLM با Python (Statsmodels, Scikit-learn)
  • 83. نکات پیشرفته در GLM
  • 84. مدل‌های مختلط (Mixed Models)
  • 85. مقدمه‌ای بر داده‌های طولی (Longitudinal Data)
  • 86. مقدمه‌ای بر داده‌های خوشه‌ای (Clustered Data)
  • 87. مدل‌های خطی مختلط (Linear Mixed Models - LMM)
  • 88. مدل‌های خطی تعمیم‌یافته مختلط (Generalized Linear Mixed Models - GLMM)
  • 89. مفاهیم مربوط به GLMM
  • 90. برآورد پارامترها در GLMM
  • 91. تفسیر ضرایب در GLMM
  • 92. کاربرد GLMM در مطالعات تکراری
  • 93. کاربرد GLMM در داده‌های سلسله مراتبی
  • 94. مدل‌های سری زمانی (Time Series Models)
  • 95. مقدمه‌ای بر داده‌های سری زمانی
  • 96. مفاهیم همبستگی و خودهمبستگی (Autocorrelation)
  • 97. مدل‌های AR (Autoregressive)
  • 98. مدل‌های MA (Moving Average)
  • 99. مدل‌های ARMA و ARIMA
  • 100. مدل‌های پیش‌بینی با GLM
✦ مجموعه ویژه یادگیری

یک دوره، چند مسیر برای یادگیری بهتر

کتاب‌های آموزشی، محتوای صوتی و تصویری و دسترسی به سامانه آنلاین فلش‌کارت؛ مجموعه‌ای برای مطالعه، تمرین و تثبیت آموخته‌ها.

📚 محتوای متنی 🎧 صوت و ویدیو 🧠 مرور هوشمند

محتویات بسته آموزشی

مجموعه‌ای از منابع برای شیوه‌های مختلف یادگیری
📚
کتاب نکته‌های خودمانی
نسخه PDF با زبان ساده، روان و کاربردی برای یادگیری راحت‌تر مفاهیم.
PDF · بیان ساده
📘
کتاب نکته‌های رسمی فارسی
نسخه PDF با نگارش استاندارد، بیان دقیق و رویکرد علمی.
PDF · نگارش رسمی
❓
کتاب پرسش و پاسخ تشریحی
نسخه PDF برای مرور مفاهیم و آشنایی با پاسخ‌های توضیحی.
PDF · یادگیری مفهومی
✅
کتاب پرسش‌های چهارگزینه‌ای
نسخه PDF برای تمرین، سنجش آموخته‌ها و آمادگی بیشتر.
PDF · تمرین و سنجش
🎧
پادکست‌های صوتی فارسی
محتوای صوتی برای یادگیری و مرور مطالب در زمان‌های مختلف.
محتوای صوتی
🎬
ویدیوهای آموزشی فارسی
محتوای ویدیویی برای تکمیل تجربه یادگیری و درک بهتر مطالب.
محتوای ویدیویی
💻
اکانت سامانه آنلاین فلش‌کارت
دسترسی به نرم‌افزار آنلاین فلش‌کارت ویژه این دوره برای تمرین و مرور مطالب.
دسترسی آنلاین
🎓
گواهی پایان دوره
امکان دریافت گواهی پس از تکمیل فعالیت‌های لازم در سامانه و طی مراحل تأیید.
پس از تکمیل شرایط
💾
بسته فیزیکی روی فلش مموری
این محصول به‌صورت فلش مموری حاوی فایل‌های آموزشی، محتوای صوتی و ویدیویی ارائه می‌شود.
تحویل فیزیکی
نکته: استفاده از سامانه آنلاین فلش‌کارت به اتصال اینترنت نیاز دارد؛ محتوای قابل استفاده آفلاین به نوع فایل‌های موجود در بسته بستگی دارد.
SMART LEARNING

🌐 سامانه آنلاین فلش‌کارت؛ مرور هدفمند و هوشمند

اکانت ارائه‌شده، دسترسی به نسخه تحت وب سامانه فلش‌کارت ویژه این دوره را فراهم می‌کند. این سامانه از الگوریتم زمان‌بندی مرور SM-2 استفاده می‌کند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم می‌کند.

به این ترتیب، کارت‌های دشوارتر می‌توانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسب‌تری داشته باشید.

🧠
مرور زمان‌بندی‌شده
📈
پیگیری پیشرفت
🔄
تمرین و تکرار هدفمند
📚 حجم آموزشی دوره
هزاران
فلش‌کارت آموزشی، به‌صورت تقریبی
۶۰ ساعت
مدت‌زمان معادل برآوردشده آموزشی

مدت‌زمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج می‌شود.

🏅

گواهی دوزبانه با استعلام آنلاین

گواهی فارسی و انگلیسی · لینک اختصاصی · QR Code

پس از تکمیل فعالیت‌های لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر می‌شود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.

⚖️ توضیح مهم درباره گواهی پایان دوره

این گواهی صرفاً به‌عنوان گواهی اتمام دوره آموزشی صادر می‌شود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.

تجربه‌ای کامل‌تر برای مطالعه، تمرین و یادگیری
express24.ir
تگ‌ها: Applied Regression Data Analysis forecasting Generalized Linear Models GLM Machine Learning Regression Analysis Statistical Modeling پیش‌بینی تحلیل داده تحلیل رگرسیون رگرسیون کاربردی مدل‌سازی آماری مدل‌های خطی تعمیم‌یافته یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.