کتاب آمار و ریاضیات کاربردی برای تحلیل‌گران داده: از مفاهیم پایه تا تصمیم‌گیری داده‌محور با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

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 آمار و ریاضیات کاربردی برای تحلیل‌گران داده: از مفاهیم پایه تا تصمیم‌گیری داده‌محور

موضوع کلی: علوم داده و تحلیل هوشمند

موضوع میانی: مبانی ریاضی و آماری در تحلیل داده

📋 سرفصل‌های دوره

  • 1. مبانی نظری و ضرورت آمار در علوم داده
  • 2. مروری بر مجموعه‌ها و عملیات جبری در داده‌کاوی
  • 3. مفاهیم پایه در جبر خطی و بردارها
  • 4. ماتریس‌ها و کاربرد آن‌ها در مدل‌سازی داده‌ها
  • 5. دترمینان و معکوس ماتریس در پردازش داده
  • 6. مقادیر ویژه و بردارهای ویژه در کاهش ابعاد
  • 7. توابع ریاضی و نقش آن‌ها در مدل‌های پیش‌بینی
  • 8. مشتق و کاربرد آن در بهینه‌سازی الگوریتم‌ها
  • 9. گرادیان و روش‌های نزول گرادیان در یادگیری ماشین
  • 10. انتگرال و کاربرد آن در محاسبه احتمالات پیوسته
  • 11. مبانی نظریه احتمالات و فضای نمونه
  • 12. قوانین احتمال شرطی و قضیه بیز
  • 13. متغیرهای تصادفی گسسته و توابع توزیع
  • 14. متغیرهای تصادفی پیوسته و توزیع‌های نرمال
  • 15. امید ریاضی، واریانس و انحراف معیار در تحلیل داده
  • 16. قانون اعداد بزرگ و قضیه حد مرکزی
  • 17. آمار توصیفی و شاخص‌های مرکزی
  • 18. معیارهای پراکندگی و تحلیل بصری داده‌ها
  • 19. نمونه‌گیری آماری و روش‌های برآورد
  • 20. توزیع‌های نمونه‌گیری و خطای استاندارد
  • 21. برآورد نقطه‌ای و بازه‌ای پارامترها
  • 22. مبانی آزمون فرض آماری
  • 23. سطح معناداری و توان آزمون
  • 24. آزمون‌های مقایسه میانگین‌ها برای گروه‌های مستقل
  • 25. آزمون‌های ناپارامتری در تحلیل داده
  • 26. تحلیل واریانس یک‌طرفه و کاربردهای آن
  • 27. کوواریانس و ضریب همبستگی پیرسون
  • 28. رگرسیون خطی ساده و روش کمترین مربعات
  • 29. رگرسیون خطی چندگانه و تحلیل ضرایب
  • 30. بررسی فروض کلاسیک در مدل‌های رگرسیونی
  • 31. تشخیص و مدیریت داده‌های پرت در تحلیل آماری
  • 32. استفاده از متغیرهای مجازی در مدل‌سازی
  • 33. مقدمه‌ای بر طبقه‌بندی و رگرسیون لجستیک
  • 34. معیارهای ارزیابی مدل‌های پیش‌بینی
  • 35. بیش‌برازش و کم‌برازش در یادگیری آماری
  • 36. روش‌های منظم‌سازی برای بهبود مدل
  • 37. تحلیل مؤلفه‌های اصلی برای کاهش ابعاد
  • 38. خوشه‌بندی داده‌ها و معیارهای شباهت
  • 39. تحلیل سری‌های زمانی و روندها
  • 40. کاربرد آمار در تصمیم‌گیری سازمانی و مدیریتی
  • 41. اخلاق در تحلیل داده و صیانت از حریم خصوصی
  • 42. گزارش‌دهی آماری و بصری‌سازی داده‌محور
تگ‌ها: آمار استنباطی آمار برای علوم داده تحلیل آماری تحلیل داده داده‌کاوی ریاضیات کاربردی علم داده مدل‌سازی ریاضی هوش مصنوعی یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.