کتاب استادی در آمار کاربردی مدرن با R: از تئوری تا پیاده‌سازی عملی
, ,

کتاب استادی در آمار کاربردی مدرن با R: از تئوری تا پیاده‌سازی عملی

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000019510 دسته: , , برچسب: , , , , , , , , , , , , , ,

📚 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

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب استادی در آمار کاربردی مدرن با R: از تئوری تا پیاده‌سازی عملی

موضوع کلی: علم داده

موضوع میانی: مدل‌سازی آماری

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر علم داده و تفکر آماری
  • 2. آشنایی با R و RStudio
  • 3. انواع داده در R و مدیریت داده ها
  • 4. آمار توصیفی و مصورسازی داده ها
  • 5. احتمالات و توزیع های احتمالاتی پایه
  • 6. توزیع نرمال و قضیه حد مرکزی
  • 7. آزمون فرض آماری و مقدار p
  • 8. فاصله اطمینان و برآورد پارامترها
  • 9. آزمون های تی (t-tests) و تحلیل واریانس (ANOVA)
  • 10. مدل خطی ساده: رگرسیون خطی
  • 11. تشخیص و رفع مشکلات رگرسیون خطی ساده
  • 12. رگرسیون چندگانه: مدل سازی با چند متغیر مستقل
  • 13. انتخاب متغیر در رگرسیون چندگانه
  • 14. متغیرهای دسته ای در رگرسیون
  • 15. تعامل متغیرها در رگرسیون
  • 16. تبدیل متغیرها در رگرسیون
  • 17. رگرسیون خطی تعمیم یافته (GLM)
  • 18. مدل لجستیک: پیش بینی متغیرهای دودویی
  • 19. مدل پواسون: مدل سازی داده های شمارشی
  • 20. مدل گاما: مدل سازی داده های مثبت پیوسته
  • 21. تشخیص و رفع مشکلات GLM
  • 22. تحلیل بقا: مقدمه و توابع بقا
  • 23. مدل Cox proportional hazards
  • 24. مدل های پارامتری برای تحلیل بقا
  • 25. ارزیابی تناسب مدل بقا
  • 26. تحلیل سری های زمانی: مفاهیم پایه
  • 27. مدل های ARIMA: پیش بینی سری های زمانی
  • 28. تخمین و ارزیابی مدل های ARIMA
  • 29. پیش بینی با استفاده از سری های زمانی
  • 30. روش های هموارسازی نمایی
  • 31. رگرسیون غیرپارامتری: مقدمه
  • 32. روش کرنل و همسایگی نزدیک
  • 33. اسپلاین ها و GAM ها (Generalized Additive Models)
  • 34. درخت های تصمیم: مقدمه
  • 35. الگوریتم های C4.5 و CART
  • 36. جنگل های تصادفی (Random Forests)
  • 37. تقویت گرادیانی (Gradient Boosting)
  • 38. ارزیابی مدل های درخت تصمیم
  • 39. خوشه بندی: مقدمه و روش های K-means
  • 40. خوشه بندی سلسله مراتبی (Hierarchical Clustering)
  • 41. ارزیابی نتایج خوشه بندی
  • 42. کاهش ابعاد: تحلیل مولفه های اصلی (PCA)
  • 43. تحلیل فاکتور (Factor Analysis)
  • 44. تحلیل متغیرهای پنهان (Latent Variable Analysis)
  • 45. مدل سازی معادلات ساختاری (Structural Equation Modeling)
  • 46. تحلیل شبکه (Network Analysis)
  • 47. تحلیل متن (Text Mining): مقدمه و پیش پردازش
  • 48. تحلیل احساسات (Sentiment Analysis)
  • 49. مدل سازی موضوعی (Topic Modeling)
  • 50. یادگیری ماشین: مقدمه و مفاهیم پایه
  • 51. الگوریتم های یادگیری با ناظر (Supervised Learning)
  • 52. الگوریتم های یادگیری بدون ناظر (Unsupervised Learning)
  • 53. الگوریتم های یادگیری تقویتی (Reinforcement Learning)
  • 54. انتخاب ویژگی (Feature Selection)
  • 55. مهندسی ویژگی (Feature Engineering)
  • 56. اعتبارسنجی متقابل (Cross-Validation)
  • 57. بهینه سازی ابرپارامترها (Hyperparameter Tuning)
  • 58. ارزیابی عملکرد مدل های یادگیری ماشین
  • 59. مقدمه ای بر یادگیری عمیق (Deep Learning)
  • 60. شبکه های عصبی مصنوعی (Artificial Neural Networks)
  • 61. شبکه های عصبی کانولوشن (Convolutional Neural Networks)
  • 62. شبکه های عصبی بازگشتی (Recurrent Neural Networks)
  • 63. پیاده سازی شبکه های عصبی با استفاده از Keras/TensorFlow
  • 64. تجزیه و تحلیل داده های بزرگ با R
  • 65. اتصال R به پایگاه های داده (SQL, NoSQL)
  • 66. محاسبات موازی در R
  • 67. استفاده از Spark با R
  • 68. مصورسازی داده های تعاملی با Shiny
  • 69. تولید گزارش های پویا با R Markdown
  • 70. توسعه پکیج های R
  • 71. بهینه سازی کد R
  • 72. مدیریت پروژه های علم داده
  • 73. اخلاق در علم داده
  • 74. مفاهیم استنتاج بیزی (Bayesian Inference)
  • 75. مدل سازی بیزی با استفاده از Stan/JAGS
  • 76. مونت کارلو زنجیره مارکوف (MCMC)
  • 77. ارزیابی مدل های بیزی
  • 78. مدل های بیزی سلسله مراتبی (Hierarchical Bayesian Models)
  • 79. روش های نمونه برداری مجدد (Resampling Methods)
  • 80. بوت استرپ (Bootstrap)
  • 81. جکنایف (Jackknife)
  • 82. آزمون های جایگشتی (Permutation Tests)
  • 83. تحلیل فضایی (Spatial Analysis)
  • 84. مدل های خطی فضایی (Spatial Linear Models)
  • 85. جئوآمار (Geostatistics)
  • 86. تجزیه و تحلیل داده های پانل (Panel Data Analysis)
  • 87. مدل های اثرات ثابت (Fixed Effects Models)
  • 88. مدل های اثرات تصادفی (Random Effects Models)
  • 89. مدل های رگرسیونی با داده های سانسور شده (Censored Regression Models)
  • 90. مدل های توبیت (Tobit Models)
  • 91. داده های از دست رفته (Missing Data): روش ها و تکنیک ها
  • 92. تکمیل چندگانه (Multiple Imputation)
  • 93. انتساب میانگین (Mean Imputation)
  • 94. تجزیه و تحلیل همبستگی متعارف (Canonical Correlation Analysis)
  • 95. تحلیل مسیر (Path Analysis)
  • 96. کاربرد علم داده در حوزه های مختلف: مالی، پزشکی، بازاریابی و غیره
  • 97. مطالعات موردی در علم داده
  • 98. چالش های رایج در پروژه های علم داده و راه حل ها
  • 99. آینده علم داده و مسیرهای شغلی

📚 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

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب استادی در آمار کاربردی مدرن با R: از تئوری تا پیاده‌سازی عملی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا