دوره مدلسازی خطی در R: از تئوری تا کاربرد عملی همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره مدلسازی خطی در R: از تئوری تا کاربرد عملی
موضوع کلی: مدلسازی آماری
موضوع میانی: تحلیل رگرسیون خطی
📋 سرفصلهای دوره
- 1. مقدمهای بر مدلسازی آماری
- 2. چرا R برای مدلسازی خطی؟
- 3. نصب R و RStudio: راهنمای شروع سریع
- 4. آشنایی با محیط RStudio
- 5. مبانی برنامهنویسی در R: متغیرها و انواع داده
- 6. ساختارهای داده در R: بردارها، ماتریسها و دیتافریمها
- 7. ورود و خروج دادهها در R: خواندن فایلهای CSV و Excel
- 8. مقدمهای بر پکیج Tidyverse: dplyr و ggplot2
- 9. پاکسازی و آمادهسازی دادهها با dplyr
- 10. مصورسازی دادهها قبل از مدلسازی با ggplot2
- 11. مفاهیم آماری پایه: توزیع، میانگین، واریانس
- 12. همبستگی و کوواریانس: درک رابطه بین متغیرها
- 13. تفکیک همبستگی از علیت
- 14. رگرسیون خطی ساده: معرفی مدل
- 15. فرضیات مدل رگرسیون خطی
- 16. تخمین پارامترها: روش کمترین مربعات (Least Squares)
- 17. تابع lm() در R: ساخت اولین مدل خطی
- 18. تفسیر خروجی تابع summary() در R
- 19. ارزیابی مدل: خطای استاندارد پسماندها (Residual Standard Error)
- 20. ارزیابی مدل: ضریب تعیین (R-squared)
- 21. استنباط آماری برای ضرایب: آزمون t
- 22. بازه اطمینان (Confidence Interval) برای ضرایب رگرسیون
- 23. تحلیل واریانس (ANOVA) برای رگرسیون خطی ساده
- 24. پیشبینی مقادیر جدید: بازه اطمینان و بازه پیشبینی
- 25. تحلیل پسماندها: بررسی خطی بودن رابطه
- 26. تحلیل پسماندها: بررسی نرمال بودن خطاها (نمودار Q-Q)
- 27. تحلیل پسماندها: بررسی همسانی واریانسها (Homoscedasticity)
- 28. تحلیل پسماندها: بررسی استقلال خطاها
- 29. رگرسیون خطی چندگانه: گسترش مدل
- 30. تخمین پارامترها در رگرسیون چندگانه
- 31. تفسیر ضرایب در رگرسیون چندگانه
- 32. آزمون F: ارزیابی معناداری کلی مدل
- 33. مفهوم R-squared تعدیلشده (Adjusted R-squared)
- 34. متغیرهای پیشبین کیفی (Categorical Predictors): متغیرهای ساختگی (Dummy Variables)
- 35. کدگذاری متغیرهای کیفی با دو سطح
- 36. کدگذاری متغیرهای کیفی با بیش از دو سطح
- 37. انتخاب سطح مرجع (Reference Level) و تاثیر آن بر تفسیر
- 38. اثرات متقابل (Interaction Effects): متغیرهای پیوسته
- 39. تفسیر و مصورسازی اثرات متقابل بین متغیرهای پیوسته
- 40. اثرات متقابل: متغیر پیوسته و متغیر کیفی
- 41. تفسیر و مصورسازی اثرات متقابل بین متغیرهای پیوسته و کیفی
- 42. مدلهای رگرسیون چندجملهای (Polynomial Regression)
- 43. مفهوم مرکزیتدهی (Centering) متغیرها و کاربرد آن
- 44. فرم ماتریسی مدل خطی: Y = Xβ + ε
- 45. تشخیص نقاط پرت (Outliers): پسماندهای استیودنتایز شده (Studentized Residuals)
- 46. تشخیص نقاط با اهرم بالا (High Leverage Points)
- 47. تشخیص نقاط تاثیرگذار (Influential Points): فاصله کوک (Cook's Distance)
- 48. راهکارهای مواجهه با نقاط پرت و تاثیرگذار
- 49. تبدیلها: تبدیل پاسخ (Transforming the Response)
- 50. تبدیلها: تبدیل پیشبینها (Transforming Predictors)
- 51. تبدیل باکس-کاکس (Box-Cox Transformation) برای پایدارسازی واریانس
- 52. مشکل همخطی چندگانه (Multicollinearity)
- 53. تشخیص همخطی: ماتریس همبستگی و نمودارهای پراکندگی
- 54. تشخیص همخطی: فاکتور تورم واریانس (VIF)
- 55. عواقب و راهکارهای مقابله با همخطی چندگانه
- 56. انتخاب مدل: چالش بیشبرازش (Overfitting)
- 57. معیارهای انتخاب مدل: AIC و BIC
- 58. روشهای انتخاب متغیر: انتخاب پیشرو (Forward Selection)
- 59. روشهای انتخاب متغیر: حذف پسرو (Backward Elimination)
- 60. روشهای انتخاب متغیر: گام به گام (Stepwise Regression)
- 61. مقایسه روشهای خودکار انتخاب متغیر و نقد آنها
- 62. روش بهترین زیرمجموعهها (All Subsets Regression)
- 63. اعتبارسنجی مدل: اعتبارسنجی متقابل (Cross-Validation)
- 64. پیادهسازی k-fold Cross-Validation در R
- 65. مدلهای تعمیمیافته خطی (GLM): فراتر از خطی بودن
- 66. مقدمهای بر رگرسیون لجستیک برای خروجیهای دوتایی
- 67. ساخت و تفسیر مدل رگرسیون لجستیک در R
- 68. ارزیابی مدلهای لجستیک: ماتریس درهمریختگی (Confusion Matrix)
- 69. مقدمهای بر رگرسیون پواسون برای دادههای شمارشی
- 70. ساخت و تفسیر مدل رگرسیون پواسون در R
- 71. مفهوم بیشپراکندگی (Overdispersion) در مدلهای پواسون
- 72. رگرسیون شبهپواسون و باینومیال منفی
- 73. روش کمترین مربعات وزندار (Weighted Least Squares) برای واریانس ناهمسانی
- 74. رگرسیون مقاوم (Robust Regression) در برابر نقاط پرت
- 75. متغیرهای آفست (Offset) در مدلسازی
- 76. مدلسازی سریهای زمانی با رگرسیون
- 77. خطاهای خودهمبسته (Autocorrelated Errors) و آزمون دوربین-واتسون
- 78. مدلسازی با دادههای پانلی (Panel Data)
- 79. مقدمهای بر مدلهای اثرات ثابت (Fixed Effects)
- 80. مقدمهای بر مدلهای اثرات تصادفی (Random Effects)
- 81. معرفی مدلهای خطی ترکیبی (Mixed-Effects Models)
- 82. پیادهسازی مدلهای ترکیبی با پکیج lme4
- 83. مقایسه مدلها: آزمون نسبت درستنمایی (Likelihood Ratio Test)
- 84. تحلیل توان آماری (Power Analysis) برای مدلهای خطی
- 85. مفهوم اندازه اثر (Effect Size) در رگرسیون
- 86. ارائه نتایج مدلسازی: جداول استاندارد
- 87. ارائه نتایج مدلسازی: نمودارهای گویا
- 88. استفاده از پکیج `broom` برای تمیز کردن خروجی مدلها
- 89. استفاده از پکیج `stargazer` برای ساخت جداول حرفهای
- 90. مطالعه موردی ۱: پیشبینی قیمت مسکن
- 91. مطالعه موردی ۲: تحلیل عوامل موثر بر فروش یک محصول
- 92. مطالعه موردی ۳: مدلسازی دادههای بیولوژیکی
- 93. چالشهای عملی در مدلسازی دنیای واقعی
- 94. اخلاق در مدلسازی آماری
- 95. مقدمهای بر مدلسازی خطی بیزی (Bayesian Linear Regression)
- 96. جمعبندی دوره و گامهای بعدی در یادگیری
- 97. پروژه نهایی: پیادهسازی یک پروژه مدلسازی کامل از صفر تا صد
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.