فلشکارتهای آموزشی تسلط بر مدلهای خطی تعمیمیافته، مدلهای مختلط و رگرسیون غیرپارامتری با R
تسلط بر مدلهای خطی تعمیمیافته، مدلهای مختلط و رگرسیون غیرپارامتری با R | تحلیل دادههای پیشرفته تحلیل دادههای پیشرفته با R: فراتر از مدلهای خطی ساده مقدمهای بر دوره: گشایش افقهای نوین در تحلیل ...
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره تسلط بر مدلهای خطی تعمیمیافته، مدلهای مختلط و رگرسیون غیرپارامتری با R
موضوع کلی: تحلیل دادههای پیشرفته با مدلهای آماری
موضوع میانی: بسط مدلهای خطی و رگرسیونهای غیرپارامتری
📋 سرفصلهای دوره
- 1. مبانی و پیشنیازها:
- 2. آشنایی با زبان R و محیط RStudio
- 3. مروری بر آمار توصیفی و استنباطی
- 4. مبانی رگرسیون خطی ساده
- 5. بررسی مفروضات رگرسیون خطی کلاسیک
- 6. تشخیص و رفع نقض مفروضات در رگرسیون خطی
- 7. تبدیلات دادهها برای بهبود مدلهای خطی
- 8. ارزیابی مدلهای خطی: معیارهای برازندگی و روشهای اعتبارسنجی
- 9. معرفی مدلهای خطی تعمیمیافته (GLM)
- 10. تابع پیوند (Link Function) و توزیعهای پاسخ در GLM
- 11. رگرسیون پواسون: مدلسازی دادههای شمارشی
- 12. رگرسیون دوجملهای: مدلسازی دادههای باینری
- 13. رگرسیون لجستیک: پیشبینی احتمال وقوع رویداد
- 14. تفسیر ضرایب در مدلهای لجستیک و پواسون
- 15. ارزیابی و مقایسه مدلهای GLM
- 16. تشخیص و رفع بیشبرازش در مدلهای GLM
- 17. رگرسیون چندجملهای: مدلسازی دادههای طبقهای
- 18. رگرسیون ترتیبی: مدلسازی دادههای ترتیبی
- 19. مدلسازی همبستگی و ساختار ماتریس کوواریانس
- 20. معرفی مدلهای اثرات مختلط (Mixed Effects Models)
- 21. ساختار دادههای لانگیتودینال و تکراری
- 22. مدلهای اثرات تصادفی و اثرات ثابت
- 23. مدلهای اثرات مختلط خطی (LMM)
- 24. ساختارهای کوواریانس در مدلهای اثرات مختلط
- 25. براورد و تفسیر ضرایب در LMM
- 26. مقایسه مدلهای اثرات مختلط
- 27. مدلسازی اثرات متقابل در مدلهای اثرات مختلط
- 28. مدلهای اثرات مختلط تعمیمیافته (GLMM)
- 29. رگرسیون پواسون با اثرات مختلط
- 30. رگرسیون لجستیک با اثرات مختلط
- 31. براورد و تفسیر GLMM
- 32. تشخیص و رفع مسائل همگرایی در GLMM
- 33. انتخاب مدل در GLMM
- 34. مدلسازی ساختارهای پیچیده دادهها با GLMM
- 35. معرفی رگرسیونهای غیرپارامتری
- 36. رگرسیونهای صافکننده (Smoothing)
- 37. رگرسیون هستهای (Kernel Regression)
- 38. رگرسیون لوکال (LOESS و LOWESS)
- 39. انتخاب پهنای باند در رگرسیونهای صافکننده
- 40. رگرسیون اسپلاین (Spline Regression)
- 41. اسپلاینهای خطی قطعهای (Piecewise Linear Splines)
- 42. اسپلاینهای درجه 3 مکعبی (Cubic Splines)
- 43. اسپلاینهای باز (B-splines)
- 44. انتخاب مکانهای گره در اسپلاینها
- 45. رگرسیون افزایشی (Additive Models)
- 46. مدلسازی با متغیرهای پیوسته و طبقهای در مدلهای افزایشی
- 47. انتخاب متغیرها و اجزای مدلهای افزایشی
- 48. رگرسیون تعمیمیافته افزایشی (GAM)
- 49. ترکیب مدلهای GLM و رگرسیونهای غیرپارامتری
- 50. تشخیص و رفع مشکلات برازش در رگرسیونهای غیرپارامتری
- 51. روشهای بوتاسترپ و بازنمونهگیری
- 52. روشهای اعتبارسنجی متقابل برای مدلهای پیچیده
- 53. بهبود مدلها با استفاده از روشهای انتخابی (Stepwise Selection)
- 54. بهبود مدلها با استفاده از روشهای منظمسازی (Regularization)
- 55. معرفی Lasso و Ridge Regression
- 56. انتخاب پارامترهای منظمسازی
- 57. مدلسازی دادههای پرت و اثرات آنها
- 58. مدلسازی مقادیر گمشده
- 59. مدلسازی سریهای زمانی
- 60. بررسی خودهمبستگی و همبستگی جزئی
- 61. مدلهای ARIMA و پیشبینی
- 62. مدلسازی دادههای جغرافیایی
- 63. معرفی spatial autocorrelation
- 64. مدلهای spatial regression
- 65. ترکیب مدلهای مختلف: GLM, LMM, و رگرسیونهای غیرپارامتری
- 66. کاربرد مدلها در علوم زیستی
- 67. کاربرد مدلها در علوم اجتماعی
- 68. کاربرد مدلها در اقتصاد
- 69. کاربرد مدلها در بهداشت
- 70. کاربرد مدلها در بازاریابی
- 71. تجزیه و تحلیل دادههای بزرگ (Big Data)
- 72. مقدمهای بر parallel processing در R
- 73. مدلسازی با بستههای R تخصصی (eg, lme4, nlme, mgcv)
- 74. گرافیکهای پیشرفته برای تجسم دادهها و نتایج مدلها
- 75. تهیه گزارشهای حرفهای و ارائه نتایج مدلسازی
- 76. نوشتن توابع و بستههای R برای مدلسازی
- 77. بهینهسازی کد R برای مدلسازی
- 78. آزمون فرض در مدلهای آماری پیشرفته
- 79. قدرت آزمون و اندازههای اثر
- 80. آزمونهای چندگانه و کنترل نرخ خطای نوع اول
- 81. مروری بر Bayesian Inference
- 82. مقدمهای بر مدلسازی Bayesian با R
- 83. مدلسازی hierarchical Bayesian
- 84. آشنایی با MCMC و Gibbs Sampling
- 85. ارزیابی همگرایی در مدلهای Bayesian
- 86. انتخاب prior در مدلهای Bayesian
- 87. پیادهسازی مدلهای Bayesian با استفاده از کتابخانههای R
- 88. ترکیب Bayesian و Frequentist
- 89. تحلیل حساسیت در مدلسازی آماری
- 90. مبانی Bootstrap و resampling
- 91. آشنایی با Cross-Validation و its variants
- 92. Bias-Variance Tradeoff در مدلسازی
- 93. انتخاب مدل با استفاده از AIC, BIC
- 94. بررسی اعتبار مدل با استفاده از Residual analysis
- 95. معرفی روشهای کاهش ابعاد (PCA, Factor Analysis)
- 96. استفاده از Feature Engineering برای بهبود مدل
- 97. مدلسازی برای دادههای با ساختارهای پیچیده
- 98. بررسی advanced diagnostics برای مدلها
SMART LEARNING PLATFORM
از مطالعه تا یادگیری ماندگار
فراتر از یک مجموعه فلشکارت؛ تجربهای تعاملی برای یادگیری، تمرین، مرور هوشمند و مشاهده مسیر پیشرفت شما، همراه با امکان دریافت گواهی پایان دوره در دورههای واجد شرایط.
مرور فاصلهدار
آمار یادگیری
گواهی دوزبانه
یادگیری را به یک مسیر قابل پیگیری تبدیل کنید
با ورود به سامانه آموزشی، محتوای دوره را بهصورت مرحلهای دنبال کنید، فلشکارتها را مرور کنید، دانش خود را با پرسشها و آزمونها بسنجید و روند پیشرفتتان را در طول مسیر ببینید.
⟳
مرور فاصلهدار هوشمند
با مرور زماندار، کارتهای تازه و کارتهای سررسیدشده را بر اساس برنامه مرور دنبال کنید. ارزیابی پاسخها به زمانبندی مرورهای بعدی کمک میکند تا تمرین متناسبتری داشته باشید.
◉
مشاهده مسیر پیشرفت
میزان مشاهده فلشکارتها، فعالیتهای مرور، عملکرد آزمونها و آمار یادگیری را بررسی کنید و تصویر روشنتری از مسیر آموزشی خود داشته باشید.
▤
یادگیری مرحلهبهمرحله
فصلها و بخشهای آموزشی را به ترتیب دنبال کنید، مطالب دیدهنشده را پیدا کنید و بدون سردرگمی به ادامه مسیر برگردید.
✓
تمرین و سنجش آموختهها
با نکتههای آموزشی، پرسش و پاسخ، کوییزها و آزمونهای پایان فصل، دانستههای خود را تمرین کنید و بخشهایی را که به توجه بیشتری نیاز دارند بشناسید.
SMART REVIEW
هر بار، مرور هدفمندتر
لازم نیست هر روز از ابتدا درباره اینکه چه چیزی را مرور کنید تصمیم بگیرید. سامانه، صف مرور روزانه را بر اساس کارتهای تازه و موعد مرور کارتها آماده میکند. شما پاسخ را ارزیابی میکنید و برنامه مرور با توجه به آن تنظیم میشود.
دوباره
برای کارتهایی که به تمرین زودتر نیاز دارند.
سخت
برای پاسخهایی که با دشواری به یاد آمدهاند.
خوب
برای پاسخهایی که بهدرستی به یاد آوردهاید.
آسان
برای کارتهایی که پاسخ آنها را بهآسانی میدانید.
برنامه مرور بر اساس ارزیابی شما تنظیم میشود؛ مرور منظم میتواند به تثبیت آموختهها کمک کند، اما بهتنهایی تضمینکننده تسلط کامل نیست.
محتوا را به شیوههای مختلف تمرین کنید
ساختار دورهها متناسب با موضوع آموزشی طراحی شده است و ممکن است انواع مختلفی از محتوا را در بر بگیرد.
نکتههای ساده
برای مرور سریع مفاهیم اصلی و نکات کلیدی.
نکتههای رسمی
برای تمرین تعاریف، اصطلاحات و بیان دقیق علمی.
کوییز
برای سنجش درک مطلب و بررسی گزینه صحیح.
پرسش و پاسخ
برای تمرین یادآوری و سنجش میزان تسلط بر مطالب.
محتوای هر دوره بر اساس ساختار و امکانات فعال همان دوره ارائه میشود.
LEARN ANYWHERE
همراه شما روی مرورگر
برای استفاده از نسخه تحت وب، کافی است با حساب کاربری خود وارد سامانه شوید. بدون نیاز به نصب یک برنامه اختصاصی، میتوانید از مرورگر سازگار روی گوشی، تبلت یا رایانه به دورههای در دسترس خود مراجعه کنید.
گوشی هوشمند
برای مطالعه در زمانهای کوتاه
تبلت و لپتاپ
برای مطالعه و مرور راحتتر
حساب کاربری شخصی
برای دسترسی به دورههای مجاز شما
COURSE COMPLETION CERTIFICATE
گواهی پایان دوره؛ ثبت دستاورد شما
در دورههایی که امکان دریافت گواهی برای آنها فعال است، میتوانید پس از تکمیل شرایط آموزشی، درخواست گواهی پایان دوره ثبت کنید.
شرایط درخواست گواهی
✓ داشتن دسترسی دارای قابلیت گواهی برای دوره مربوطه.
✓ تکمیل اطلاعات لازم در پروفایل، شامل کد ملی معتبر، عکس پرسنلی و نام و نام خانوادگی انگلیسی.
✓ مشاهده تمام فلشکارتهای فعال دوره.
✓ قبولی در آزمونهای پایان فصل، در صورت وجود آزمون برای فصلها.
فارسی و انگلیسی
پس از تأیید و انتشار، نسخههای فارسی و انگلیسی گواهی در دسترس قرار میگیرند.
استعلام آنلاین
گواهی منتشرشده دارای QR Code و لینک اختصاصی برای بررسی آنلاین اعتبار آن است.
دانلود و چاپ
پس از انتشار گواهی، امکان دریافت نسخه PDF فارسی و انگلیسی و چاپ آن فراهم است.
توجه: ثبت درخواست به معنای صدور قطعی نیست. درخواست گواهی پس از بررسی و تأیید ادمین منتشر میشود. این گواهی، گواهی پایان دوره آموزشی است و بهخودیخود معادل مدرک دانشگاهی یا مدرک رسمی مورد تأیید نهادهای دولتی نیست.
یادگیری را شروع کنید؛ پیشرفت را دنبال کنید
با تمرین منظم، مرور هدفمند و پیگیری مسیر آموزشی خود، قدمبهقدم دانش و مهارتهایتان را گسترش دهید.
هر کارت، یک قدم به جلو
امکانات محتوایی، مرور و گواهی بر اساس سطح دسترسی و تنظیمات هر دوره متفاوت است.
نگاهی به محیط سامانه
یادگیری هوشمند، قدمبهقدم
با محیط سامانه آموزشی آشنا شوید و نمونههایی از فضای یادگیری، فلشکارتها و ابزارهای مرور و تمرین را مشاهده کنید.
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
امکانات بیشتر سامانه
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری فراتر از مطالعه معمولی
با فلشکارتهای آموزشی، مرور هدفمند و تمرین مستمر، مطالب را فعالانه یاد بگیرید و مسیر پیشرفت خود را دنبال کنید.
تگها:
Advanced Statistical Modeling
Generalized Linear Models
GLM
LMM
Mixed Effects Models
Nonparametric Regression
R Programming
آموزش R
تحلیل دادههای پیشرفته
رگرسیون غیرپارامتری
علم داده
مدل سازی آماری با R
مدلهای اثرات مختلط
مدلهای خطی تعمیم یافته
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.