اپلیکیشن اندرویدی فلش‌کارت آموزشی انتخاب مدل و اعتبارسنجی در تحلیل آماری پیشرفته

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره انتخاب مدل و اعتبارسنجی در تحلیل آماری پیشرفته

موضوع کلی: علوم آماری و تحلیل داده

موضوع میانی: مدل‌سازی آماری و انتخاب متغیر

📋 سرفصل‌های دوره

• 1. مبانی انتخاب مدل در تحلیل آماری
• 2. اهمیت انتخاب مدل در پژوهش‌های علمی
• 3. انواع روش‌های انتخاب مدل
• 4. معیارهای انتخاب مدل: AIC و BIC
• 5. مقدمه‌ای بر اعتبارسنجی مدل
• 6. اعتبارسنجی متقابل (Cross-validation)
• 7. اعتبارسنجی بوت استرپ (Bootstrap validation)
• 8. ارزیابی عملکرد مدل با معیارهای آماری
• 9. معیارهای ارزیابی: R-squared و Adjusted R-squared
• 10. خطاهای مدل و روش‌های تشخیص آن‌ها
• 11. تحلیل باقی‌مانده‌ها (Residual analysis)
• 12. شناسایی نقاط پرت (Outliers) و اثرگذار (Influential points)
• 13. روش‌های انتخاب متغیر: حذف گام به گام (Stepwise elimination)
• 14. روش‌های انتخاب متغیر: افزودن گام به گام (Stepwise addition)
• 15. روش‌های انتخاب متغیر: حذف و افزودن همزمان (Forward-backward selection)
• 16. روش‌های انتخاب متغیر: بهترین زیرمجموعه (Best subset selection)
• 17. کاربرد انتخاب متغیر در مدل‌های رگرسیون خطی
• 18. مقدمه‌ای بر رگرسیون غیرخطی
• 19. انواع توابع رگرسیون غیرخطی
• 20. روش‌های تخمین پارامتر در رگرسیون غیرخطی
• 21. اعتبارسنجی مدل‌های رگرسیون غیرخطی
• 22. تفسیر نتایج رگرسیون غیرخطی
• 23. مشکلات رایج در مدل‌سازی غیرخطی
• 24. مدل‌های رشد نمایی (Exponential growth models)
• 25. مدل‌های رشد لجستیک (Logistic growth models)
• 26. مدل‌های چندجمله‌ای (Polynomial models)
• 27. مدل‌های گوسی (Gaussian models)
• 28. مدل‌های لورنتسی (Lorentzian models)
• 29. مدل‌های سری زمانی و انتخاب مدل
• 30. انتخاب مدل در سری‌های زمانی: ARIMA
• 31. اعتبارسنجی مدل‌های سری زمانی
• 32. مدل‌های رگرسیون پوآسون (Poisson regression)
• 33. کاربرد رگرسیون پوآسون در داده‌های شمارشی
• 34. اعتبارسنجی مدل‌های رگرسیون پوآسون
• 35. مدل‌های رگرسیون لجستیک (Logistic regression)
• 36. کاربرد رگرسیون لجستیک برای داده‌های طبقه‌بندی
• 37. اعتبارسنجی مدل‌های رگرسیون لجستیک
• 38. مدل‌های خطی تعمیم‌یافته (Generalized Linear Models - GLM)
• 39. اجزای مدل‌های خطی تعمیم‌یافته
• 40. انتخاب تابع پیوند (Link function)
• 41. انتخاب توزیع مناسب (Distribution)
• 42. اعتبارسنجی مدل‌های خطی تعمیم‌یافته
• 43. مقدمه‌ای بر مدل‌های مخلوط (Mixed-effects models)
• 44. ساختار مدل‌های مخلوط
• 45. کاربرد مدل‌های مخلوط در داده‌های تودرتو
• 46. اعتبارسنجی مدل‌های مخلوط
• 47. روش‌های انتخاب متغیر در مدل‌های مخلوط
• 48. مدل‌های رگرسیون کوانتایل (Quantile regression)
• 49. تفسیر نتایج رگرسیون کوانتایل
• 50. اعتبارسنجی مدل‌های رگرسیون کوانتایل
• 51. مدل‌های ناپارامتریک (Nonparametric models)
• 52. انتخاب مدل ناپارامتریک
• 53. اعتبارسنجی مدل‌های ناپارامتریک
• 54. مقدمه‌ای بر یادگیری ماشین در انتخاب مدل
• 55. شبکه‌های عصبی و انتخاب متغیر
• 56. ماشین‌های بردار پشتیبان (SVM) و انتخاب مدل
• 57. درختان تصمیم (Decision trees) و انتخاب متغیر
• 58. جنگل‌های تصادفی (Random forests) و انتخاب مدل
• 59. تقویت گرادیان (Gradient boosting) و انتخاب مدل
• 60. اعتبارسنجی مدل‌های یادگیری ماشین
• 61. ملاحظات عملی در انتخاب مدل
• 62. انتخاب مدل با توجه به هدف پژوهش
• 63. تأثیر اندازه نمونه بر انتخاب مدل
• 64. اهمیت تفسیرپذیری مدل
• 65. مقایسه روش‌های مختلف انتخاب مدل
• 66. روش‌های تجربی در انتخاب مدل
• 67. ارزیابی robustness مدل
• 68. مدل‌سازی با داده‌های حجیم (Big Data)
• 69. چالش‌های انتخاب مدل در داده‌های حجیم
• 70. انتخاب مدل برای داده‌های مکانی
• 71. اعتبارسنجی مدل‌های مکانی
• 72. مدل‌سازی برای داده‌های شبکه‌ای
• 73. اعتبارسنجی مدل‌های شبکه‌ای
• 74. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
• 75. انتخاب معماری در شبکه‌های عصبی عمیق
• 76. اعتبارسنجی مدل‌های عمیق
• 77. کاربرد انتخاب مدل در علوم زیستی
• 78. انتخاب مدل در اقتصادسنجی
• 79. انتخاب مدل در علوم اجتماعی
• 80. انتخاب مدل در مهندسی
• 81. انتخاب مدل در مدیریت
• 82. اصول اخلاقی در مدل‌سازی آماری
• 83. ملاحظات قانونی و مقرراتی در تحلیل داده
• 84. استانداردهای گزارش‌دهی نتایج مدل‌سازی
• 85. نرم‌افزارهای آماری برای انتخاب مدل
• 86. آموزش پیشرفته در انتخاب مدل
• 87. مباحث روز در انتخاب مدل و اعتبارسنجی
• 88. مرور مقالات کلیدی در حوزه انتخاب مدل
• 89. پروژه‌های عملی در انتخاب مدل
• 90. کارگاه‌های تخصصی انتخاب مدل
• 91. سمینارهای پژوهشی در حوزه مدل‌سازی
• 92. آینده انتخاب مدل و اعتبارسنجی
• 93. جمع‌بندی و توصیه‌ها برای پژوهشگران