دوره تحلیل داده‌های آماری با استفاده از مدل‌های احتمالاتی (با رویکرد سازگار با قوانین) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل داده‌های آماری با استفاده از مدل‌های احتمالاتی (با رویکرد سازگار با قوانین)

موضوع کلی: علوم آماری و کاربردهای آن

موضوع میانی: آمار و احتمال در تحلیل داده‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر آمار و تحلیل داده
• 2. مفاهیم پایه آمار توصیفی
• 3. نمایش داده‌ها با نمودارها
• 4. اندازه‌های مرکزی و پراکندگی
• 5. مقدمه‌ای بر احتمال
• 6. قضایای پایه احتمال
• 7. احتمال شرطی و استقلال
• 8. قضیه بیز و کاربردهای آن
• 9. متغیرهای تصادفی گسسته
• 10. توزیع‌های گسسته مهم (ذوحدی، پواسون)
• 11. متغیرهای تصادفی پیوسته
• 12. توزیع‌های پیوسته مهم (نرمال، یکنواخت)
• 13. توزیع نرمال و خواص آن
• 14. توزیع‌های چند متغیره
• 15. کوواریانس و همبستگی
• 16. مقدمه‌ای بر استنباط آماری
• 17. برآورد نقطه‌ای
• 18. فواصل اطمینان
• 19. آزمون فرض آماری
• 20. مقدمه‌ای بر آزمون‌های فرض
• 21. آزمون فرض برای میانگین
• 22. آزمون فرض برای نسبت
• 23. آزمون فرض برای واریانس
• 24. آزمون‌های مقایسه‌ای (t-test)
• 25. تحلیل واریانس یک‌طرفه (ANOVA)
• 26. تحلیل واریانس دوطرفه
• 27. مقدمه‌ای بر رگرسیون
• 28. رگرسیون خطی ساده
• 29. تفسیر ضرایب رگرسیون
• 30. آزمون فرض در رگرسیون
• 31. پیش‌بینی با رگرسیون
• 32. مقدمه‌ای بر رگرسیون چندگانه
• 33. انتخاب مدل در رگرسیون چندگانه
• 34. مدل‌های خطی تعمیم‌یافته
• 35. مقدمه‌ای بر سری‌های زمانی
• 36. مدل‌های ARIMA
• 37. تحلیل مولفه‌های اصلی (PCA)
• 38. تحلیل عاملی
• 39. مقدمه‌ای بر خوشه‌بندی
• 40. الگوریتم K-Means
• 41. مقدمه‌ای بر طبقه‌بندی
• 42. رگرسیون لجستیک
• 43. درخت‌های تصمیم
• 44. ماشین‌های بردار پشتیبان (SVM)
• 45. شبکه‌های عصبی مصنوعی
• 46. مقدمه‌ای بر یادگیری عمیق
• 47. شبکه‌های عصبی کانولوشنی (CNN)
• 48. شبکه‌های عصبی بازگشتی (RNN)
• 49. پردازش زبان طبیعی (NLP)
• 50. تحلیل احساسات
• 51. مقدمه‌ای بر آمار بیزی
• 52. توزیع‌های پیشین و پسین
• 53. روش‌های نمونه‌گیری بیزی (MCMC)
• 54. کاربرد آمار بیزی در مدل‌سازی
• 55. مقدمه‌ای بر آمار فضایی
• 56. تحلیل داده‌های مکانی
• 57. کاربرد آمار در علوم سلامت
• 58. تحلیل داده‌های بالینی
• 59. مقدمه‌ای بر آمار مالی
• 60. مدل‌سازی ریسک در بازارهای مالی
• 61. تحلیل داده‌های اقتصادی
• 62. پیش‌بینی شاخص‌های اقتصادی
• 63. مقدمه‌ای بر آمار در علوم اجتماعی
• 64. تحلیل پیمایش‌ها
• 65. آمار در سنجش و ارزشیابی
• 66. مقدمه‌ای بر آمار در مهندسی
• 67. کاربرد آمار در کنترل کیفیت
• 68. آمار در بهینه‌سازی فرآیندها
• 69. مقدمه‌ای بر نرم‌افزارهای آماری
• 70. کار با نرم‌افزار R
• 71. کار با نرم‌افزار Python (Pandas, NumPy)
• 72. کار با نرم‌افزار SPSS
• 73. کار با نرم‌افزار Stata
• 74. تکنیک‌های مصورسازی پیشرفته
• 75. مدیریت داده‌های بزرگ
• 76. ملاحظات اخلاقی در تحلیل داده
• 77. حریم خصوصی داده‌ها
• 78. امنیت داده‌ها
• 79. اصول حاکمیت داده
• 80. مقدمه‌ای بر هوش مصنوعی
• 81. تفاوت آمار و هوش مصنوعی
• 82. کاربرد آمار در یادگیری ماشین
• 83. مبانی یادگیری تقویتی
• 84. روش‌های ارزیابی مدل‌های آماری
• 85. اعتبارسنجی متقابل
• 86. تنظیم مدل‌ها
• 87. مقدمه‌ای بر مدل‌سازی پیش‌بینانه
• 88. ساخت مدل‌های پیش‌بینانه
• 89. ارزیابی عملکرد مدل‌های پیش‌بینانه
• 90. تفسیرپذیری مدل‌های یادگیری ماشین
• 91. ملاحظات قانونی در تحلیل داده‌ها
• 92. مقررات حفاظت از داده در ایران
• 93. قوانین مربوط به داده‌های سلامت
• 94. قوانین مربوط به داده‌های مالی
• 95. استانداردهای داده در ایران
• 96. کاربرد آمار در تصمیم‌گیری سازمانی
• 97. مدیریت ریسک با رویکرد آماری
• 98. بهبود فرآیندها با تحلیل داده
• 99. تحلیل آماری در استراتژی کسب‌وکار
• 100. مقدمه‌ای بر داده‌کاوی