دوره کشف دنیای آمار با R: کتاب جامع تحلیل داده از مبانی تا مدلسازی پیشرفته همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره کشف دنیای آمار با R: دوره جامع تحلیل داده از مبانی تا مدلسازی پیشرفته
موضوع کلی: علم داده و تحلیل آماری
موضوع میانی: آمار کاربردی با R
📋 سرفصلهای دوره
- 1. مقدمه ای بر علم داده و آمار با R
- 2. نصب و راه اندازی R و RStudio
- 3. آشنایی با محیط R و RStudio
- 4. انواع داده در R و نحوه کار با آنها
- 5. وارد کردن داده ها به R (فرمت های مختلف)
- 6. پاکسازی و آماده سازی داده ها (Data Wrangling)
- 7. تبدیل داده ها (Data Transformation)
- 8. آمار توصیفی: شاخص های مرکزی و پراکندگی
- 9. نمودارهای توصیفی: هیستوگرام، جعبه ای، نمودار پراکنش
- 10. احتمالات: مفاهیم پایه و توزیع های احتمالی
- 11. توزیع نرمال و کاربردهای آن
- 12. توزیع های نمونه برداری
- 13. آزمون فرضیه: مفاهیم پایه
- 14. آزمون t تک نمونه ای
- 15. آزمون t جفتی
- 16. آزمون t مستقل
- 17. تحلیل واریانس یک طرفه (ANOVA)
- 18. آزمون های تعقیبی (Post-hoc) در ANOVA
- 19. تحلیل واریانس دو طرفه (ANOVA)
- 20. اثرات اصلی و اثرات تعاملی در ANOVA
- 21. اندازه گیری اثر (Effect Size) در ANOVA
- 22. رگرسیون خطی ساده
- 23. برازش مدل رگرسیون خطی
- 24. تفسیر ضرایب رگرسیون
- 25. آزمون فرضیه در رگرسیون خطی
- 26. فاصله اطمینان برای ضرایب رگرسیون
- 27. تشخیص و رفع مشکلات رگرسیون (خطاها)
- 28. رگرسیون چندگانه
- 29. انتخاب متغیرها در رگرسیون چندگانه
- 30. هم خطی (Multicollinearity)
- 31. متغیرهای مجازی (Dummy Variables)
- 32. متغیرهای تعدیل کننده (Moderator Variables)
- 33. متغیرهای میانجی (Mediator Variables)
- 34. رگرسیون لجستیک
- 35. برازش مدل رگرسیون لجستیک
- 36. تفسیر ضرایب رگرسیون لجستیک (Odds Ratio)
- 37. ارزیابی عملکرد مدل رگرسیون لجستیک
- 38. تحلیل بقا (Survival Analysis)
- 39. منحنی کاپلان مایر (Kaplan-Meier Curve)
- 40. آزمون رتبه ای لگاریتمی (Log-Rank Test)
- 41. مدل رگرسیون کاکس (Cox Regression)
- 42. تحلیل عاملی (Factor Analysis)
- 43. تعیین تعداد عامل ها
- 44. چرخش عامل ها (Factor Rotation)
- 45. تفسیر عامل ها
- 46. تحلیل خوشه ای (Cluster Analysis)
- 47. روش های خوشه بندی سلسله مراتبی (Hierarchical Clustering)
- 48. روش های خوشه بندی غیر سلسله مراتبی (K-Means Clustering)
- 49. ارزیابی نتایج خوشه بندی
- 50. آزمون های ناپارامتری: آزمون خی دو (Chi-Square Test)
- 51. آزمون من ویتنی یو (Mann-Whitney U Test)
- 52. آزمون ویلکاکسون (Wilcoxon Signed-Rank Test)
- 53. آزمون کروسکال والیس (Kruskal-Wallis Test)
- 54. آزمون فریدمن (Friedman Test)
- 55. همبستگی ناپارامتری (اسپیرمن و کندال)
- 56. طرح های آزمایشی (Experimental Designs)
- 57. طرح های بلوک تصادفی (Randomized Block Designs)
- 58. طرح های مربع لاتین (Latin Square Designs)
- 59. تحلیل داده های طولی (Longitudinal Data Analysis)
- 60. مدل های اثرات ثابت (Fixed Effects Models)
- 61. مدل های اثرات تصادفی (Random Effects Models)
- 62. مدل های مختلط (Mixed-Effects Models)
- 63. شبکه های عصبی (Neural Networks): مفاهیم پایه
- 64. انواع شبکه های عصبی
- 65. آموزش شبکه های عصبی
- 66. ارزیابی عملکرد شبکه های عصبی
- 67. ماشین های بردار پشتیبان (Support Vector Machines)
- 68. مفاهیم پایه SVM
- 69. انتخاب هسته (Kernel) مناسب
- 70. بهینه سازی پارامترها در SVM
- 71. درخت های تصمیم (Decision Trees)
- 72. الگوریتم های ساخت درخت تصمیم
- 73. هرس درخت تصمیم (Tree Pruning)
- 74. جنگل های تصادفی (Random Forests)
- 75. اهمیت متغیرها در جنگل های تصادفی
- 76. یادگیری تقویتی (Reinforcement Learning): مفاهیم پایه
- 77. الگوریتم های یادگیری تقویتی
- 78. کاربردها در علم داده
- 79. مدل سازی معادلات ساختاری (Structural Equation Modeling)
- 80. مسیر یابی (Path Analysis)
- 81. مدل های متغیر پنهان (Latent Variable Models)
- 82. تحلیل سری زمانی (Time Series Analysis)
- 83. تجزیه سری زمانی (Decomposition)
- 84. مدل های ARIMA
- 85. پیش بینی سری زمانی
- 86. تحلیل متن (Text Analysis): مفاهیم پایه
- 87. پردازش زبان طبیعی (NLP)
- 88. تحلیل احساسات (Sentiment Analysis)
- 89. مدل سازی موضوعی (Topic Modeling)
- 90. مصورسازی داده ها با ggplot2 (پیشرفته)
- 91. ایجاد داشبوردهای تعاملی با Shiny
- 92. گزارش نویسی و مستندسازی نتایج
- 93. اخلاق در علم داده
- 94. حریم خصوصی و امنیت داده ها
- 95. مقدمه ای بر یادگیری عمیق (Deep Learning)
- 96. معرفی چارچوب های یادگیری عمیق در R
- 97. کار با داده های بزرگ در R
- 98. بهینه سازی کد R برای سرعت و کارایی
- 99. ادغام R با سایر زبان های برنامه نویسی
- 100. کاربرد R در حوزه های مختلف علم داده (مالی، پزشکی، بازاریابی و غیره)
محتویات بسته آموزشی
🌐 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.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
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.
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.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.