اکسپرس 24
کتاب آمار کاربردی با پایتون برای تحلیل داده

کتاب آمار کاربردی با پایتون برای تحلیل داده

تگ‌ها: آمار علم داده آمار کاربردی احتمالات علم داده پایتون برای آمار تحلیل داده با پایتون علم داده با پایتون مبانی آمار یادگیری ماشین آمار

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آمار کاربردی با پایتون برای تحلیل داده

موضوع کلی: علم داده با پایتون

موضوع میانی: مبانی آمار و احتمالات برای علم داده

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علم داده و آمار
  • 2. چرا آمار در علم داده مهم است؟
  • 3. نصب و راه‌اندازی محیط پایتون برای آمار
  • 4. مبانی زبان پایتون برای تحلیلگران داده
  • 5. انواع داده‌ها و مقیاس‌های اندازه‌گیری
  • 6. جمع‌آوری و پاکسازی داده‌ها
  • 7. آمار توصیفی: معیارهای مرکزی
  • 8. میانگین، میانه و نما
  • 9. انحراف معیار و واریانس
  • 10. دامنه و دامنه میان‌چارکی
  • 11. نمودارهای توزیع داده‌ها
  • 12. هیستوگرام و نمودار چگالی
  • 13. نمودار جعبه‌ای (Box Plot)
  • 14. نمودارهای پراکندگی (Scatter Plot)
  • 15. مبانی احتمال
  • 16. مفاهیم پایه احتمال
  • 17. احتمال شرطی و استقلال
  • 18. قضیه بیز
  • 19. قوانین احتمال
  • 20. قوانین جمع و ضرب احتمالات
  • 21. متغیرهای تصادفی گسسته
  • 22. توزیع دوجمله‌ای
  • 23. توزیع پواسون
  • 24. متغیرهای تصادفی پیوسته
  • 25. توزیع یکنواخت
  • 26. توزیع نرمال (گوسی)
  • 27. توزیع نمایی
  • 28. توزیع t استیودنت
  • 29. توزیع کای دو
  • 30. نمونه‌گیری و توزیع نمونه‌گیری
  • 31. مفهوم نمونه‌گیری
  • 32. توزیع میانگین نمونه
  • 33. قضیه حد مرکزی
  • 34. خطای استاندارد میانگین
  • 35. برآوردگرها و خواص آن‌ها
  • 36. برآورد نقطه‌ای
  • 37. برآورد فاصله‌ای (فاصله اطمینان)
  • 38. محاسبه فاصله اطمینان برای میانگین
  • 39. فاصله اطمینان برای نسبت
  • 40. آزمون فرض آماری
  • 41. مبانی آزمون فرض
  • 42. خطای نوع اول و نوع دوم
  • 43. مقدار p (P-value)
  • 44. مراحل انجام آزمون فرض
  • 45. آزمون فرض برای میانگین جامعه واحد
  • 46. آزمون فرض برای نسبت جامعه واحد
  • 47. آزمون فرض برای تفاوت میانگین دو جامعه مستقل
  • 48. آزمون فرض برای تفاوت میانگین دو جامعه وابسته (زوجی)
  • 49. آزمون فرض برای تفاوت نسبت دو جامعه
  • 50. آزمون کای دو برای استقلال
  • 51. آزمون کای دو برای نیکویی برازش
  • 52. تحلیل واریانس (ANOVA)
  • 53. مفهوم ANOVA
  • 54. ANOVA یک‌طرفه
  • 55. آزمون تعقیبی (Post-hoc tests)
  • 56. ANOVA دوطرفه
  • 57. رگرسیون خطی ساده
  • 58. مفهوم رگرسیون
  • 59. مدل رگرسیون خطی ساده
  • 60. برآورد ضرایب رگرسیون
  • 61. تفسیر ضرایب رگرسیون
  • 62. شاخص‌های ارزیابی مدل رگرسیون
  • 63. ضریب تعیین (R-squared)
  • 64. خطای استاندارد رگرسیون
  • 65. آزمون فرض برای ضرایب رگرسیون
  • 66. پیش‌بینی با مدل رگرسیون
  • 67. رگرسیون خطی چندگانه
  • 68. مفهوم رگرسیون چندگانه
  • 69. انتخاب متغیرهای مستقل
  • 70. مشکلات در رگرسیون چندگانه (هم‌خطی)
  • 71. ارزیابی مدل رگرسیون چندگانه
  • 72. کاربرد پایتون در رگرسیون
  • 73. کتابخانه Scikit-learn برای رگرسیون
  • 74. پیاده‌سازی رگرسیون خطی با پایتون
  • 75. تحلیل سری‌های زمانی
  • 76. مقدمه‌ای بر تحلیل سری‌های زمانی
  • 77. مفاهیم پایه در سری‌های زمانی
  • 78. روند (Trend)، فصلی بودن (Seasonality)، نویز
  • 79. مدل‌های پیش‌بینی سری زمانی
  • 80. مدل میانگین متحرک (MA)
  • 81. مدل خودرگرسیو (AR)
  • 82. مدل ARMA و ARIMA
  • 83. کاربرد پایتون در تحلیل سری‌های زمانی
  • 84. کتابخانه Statsmodels
  • 85. مدل‌سازی داده‌های دسته‌بندی شده
  • 86. مقدمه‌ای بر دسته‌بندی
  • 87. رگرسیون لجستیک
  • 88. تفسیر ضرایب رگرسیون لجستیک
  • 89. ارزیابی مدل‌های دسته‌بندی
  • 90. دقت (Accuracy)
  • 91. صحت (Precision) و بازیابی (Recall)
  • 92. امتیاز F1
  • 93. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 94. منحنی ROC و AUC
  • 95. کاربرد پایتون در دسته‌بندی
  • 96. کتابخانه Scikit-learn برای دسته‌بندی
  • 97. پیاده‌سازی رگرسیون لجستیک با پایتون
  • 98. مقدمه‌ای بر خوشه‌بندی
  • 99. الگوریتم K-Means
  • 100. تعیین تعداد خوشه‌ها

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.