کتاب صوتی مبانی آمار و تحلیل داده‌ها برای متخصصین علوم داده و پژوهشگران

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی آمار و تحلیل داده‌ها برای متخصصین علوم داده و پژوهشگران

موضوع کلی: علوم داده و تحلیل‌های آماری

موضوع میانی: آمار کاربردی در تصمیم‌گیری‌های هوشمند

📋 سرفصل‌های دوره (100 موضوع)

• 1. مفهوم داده و جایگاه آمار در علوم داده
• 2. انواع متغیرها و مقیاس‌های اندازه‌گیری در تحلیل آماری
• 3. جمع‌آوری داده‌ها و روش‌های نمونه‌گیری علمی
• 4. آمار توصیفی و شاخص‌های مرکزی
• 5. معیارهای پراکندگی و تحلیل انحراف معیار
• 6. نمایش تصویری داده‌ها و نمودارهای استاندارد
• 7. مبانی نظریه احتمالات در تحلیل داده‌ها
• 8. قواعد احتمال شرطی و قضیه بیز
• 9. متغیرهای تصادفی گسسته و توابع توزیع
• 10. متغیرهای تصادفی پیوسته و چگالی احتمال
• 11. توزیع دوجمله‌ای و کاربردهای آن در تصمیم‌گیری
• 12. توزیع نرمال و اهمیت آن در آمار استنباطی
• 13. قضیه حد مرکزی و توزیع‌های نمونه‌گیری
• 14. تخمین نقطه‌ای و ویژگی‌های برآوردگرهای آماری
• 15. فاصله اطمینان برای میانگین جامعه
• 16. مبانی آزمون فرض آماری و سطح معنی‌داری
• 17. خطاهای نوع اول و دوم در تصمیم‌گیری‌های آماری
• 18. آزمون‌های فرض برای یک میانگین
• 19. مقایسه میانگین دو جامعه با استفاده از آزمون تی
• 20. تجزیه و تحلیل واریانس یک‌طرفه
• 21. آزمون‌های ناپارامتریک و کاربرد آن‌ها
• 22. همبستگی پیرسون و تحلیل روابط بین متغیرها
• 23. رگرسیون خطی ساده و مدل‌سازی داده‌ها
• 24. مفاهیم پایه رگرسیون خطی چندگانه
• 25. ارزیابی مدل‌های رگرسیونی و تحلیل باقیمانده‌ها
• 26. مقدمه‌ای بر طبقه‌بندی و رگرسیون لجستیک
• 27. تحلیل داده‌های طبقه‌بندی شده و آزمون کای‌اسکوئر
• 28. روش‌های کاهش ابعاد در مجموعه‌های داده بزرگ
• 29. استفاده از آمار در تحلیل‌های کسب‌وکار و بهره‌وری
• 30. بهینه‌سازی تصمیمات مبتنی بر داده
• 31. اصول گزارش‌دهی آماری و مصورسازی نتایج پژوهش
• 32. اخلاق در تحلیل داده و رعایت حریم خصوصی کاربران
• 33. کاربرد آمار در کنترل کیفیت و فرآیندهای تولید
• 34. تحلیل سری‌های زمانی در پیش‌بینی روندهای آتی
• 35. مقدمه‌ای بر شبیه‌سازی مونت‌کارلو
• 36. نرم‌افزارهای تحلیل آماری و ابزارهای علوم داده
• 37. فرایند پاک‌سازی و پیش‌پردازش داده‌ها
• 38. شناسایی داده‌های پرت و مدیریت مقادیر مفقود
• 39. استخراج ویژگی‌ها و مهندسی داده
• 40. تفسیر نتایج آماری و ارائه به مدیران تصمیم‌گیر