کتاب اتوماسیون فرمولهای آماری با پایتون با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB
249,950 تومان
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره اتوماسیون فرمولهای آماری با پایتون
موضوع کلی: نرمافزار و آمار
موضوع میانی: برنامهنویسی آماری
📋 سرفصلهای دوره
- 1. مقدمهای بر اتوماسیون فرمولهای آماری
- 2. آشنایی با کتابخانههای پایتون برای محاسبات آماری
- 3. نصب و راهاندازی محیط توسعه پایتون برای آمار
- 4. مروری بر مفاهیم پایه آمار و احتمالات
- 5. آشنایی با انواع دادهها و مقیاسهای اندازهگیری
- 6. وارد کردن و پاکسازی دادهها در پایتون
- 7. تحلیل دادههای توصیفی با پایتون
- 8. محاسبه شاخصهای مرکزی: میانگین، میانه، مد
- 9. محاسبه شاخصهای پراکندگی: واریانس، انحراف معیار، دامنه
- 10. نمایش گرافیکی دادهها با matplotlib و seaborn
- 11. آشنایی با توزیعهای احتمالاتی رایج
- 12. توزیع نرمال و کاربردهای آن
- 13. توزیعهای دیگر: دوجملهای، پواسون، نمایی
- 14. آزمون فرض آماری: مفاهیم پایه
- 15. آزمون t-test برای مقایسه میانگینها
- 16. آزمون ANOVA برای مقایسه چند میانگین
- 17. آزمون Chi-square برای بررسی ارتباط بین متغیرها
- 18. تحلیل رگرسیون خطی ساده
- 19. تحلیل رگرسیون خطی چندگانه
- 20. ارزیابی مدل رگرسیون: R-squared، RMSE
- 21. پیشبینی با استفاده از مدل رگرسیون
- 22. تحلیل همبستگی
- 23. آشنایی با سریهای زمانی
- 24. تجزیه و تحلیل روند در سریهای زمانی
- 25. پیشبینی با استفاده از مدلهای سری زمانی
- 26. آمار بیزی: مفاهیم پایه
- 27. پیادهسازی آمار بیزی با PyMC3
- 28. آشنایی با روشهای نمونهگیری
- 29. نمونهگیری تصادفی ساده
- 30. نمونهگیری طبقهبندی شده
- 31. نمونهگیری خوشهای
- 32. آشنایی با روشهای اعتبار سنجی مدل
- 33. اعتبار سنجی متقابل (Cross-validation)
- 34. بوسترپینگ (Bootstrapping)
- 35. مقدمهای بر یادگیری ماشین و آمار
- 36. رگرسیون لجستیک
- 37. درخت تصمیم
- 38. ماشین بردار پشتیبان (SVM)
- 39. خوشهبندی K-means
- 40. کاهش ابعاد با PCA
- 41. ارزیابی عملکرد مدلهای یادگیری ماشین
- 42. اتوماسیون گزارشگیری آماری با پایتون
- 43. ساخت داشبوردهای تعاملی با Streamlit
- 44. استفاده از Jupyter Notebook برای مستندسازی و به اشتراکگذاری نتایج
- 45. کار با دادههای بزرگ با Dask
- 46. بهینهسازی کد پایتون برای محاسبات آماری
- 47. تست و اشکالزدایی کد آماری
- 48. پیادهسازی فرمولهای آماری پیچیده با پایتون
- 49. ایجاد توابع و کلاسهای قابل استفاده مجدد
- 50. مستندسازی کد پایتون برای آمار
تگها:
matplotlib
numpy
pandas
seaborn
statistical analysis
آزمون فرض
آمار
آمار بیزی
اتوماسیون
پایتون
تحلیل داده
دادهکاوی
رگرسیون
فرمولهای آماری
یادگیری ماشین
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.