اپلیکیشن اندرویدی فلش‌کارت آموزشی تحلیل آماری داده‌ها برای دانشمندان و مهندسان: مبانی و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل آماری داده‌ها برای دانشمندان و مهندسان: مبانی و کاربردها

موضوع کلی: علوم آماری و تحلیل داده

موضوع میانی: تحلیل آماری در علوم و مهندسی

📋 سرفصل‌های دوره

• 1. مبانی آمار توصیفی
• 2. نمودارهای آماری و نمایش داده‌ها
• 3. محاسبه شاخص‌های مرکزی و پراکندگی
• 4. مفهوم احتمال و انواع آن
• 5. قوانین احتمال و فضای نمونه
• 6. متغیرهای تصادفی و توزیع‌های احتمال
• 7. توزیع‌های گسسته: دوجمله‌ای، پواسون
• 8. توزیع‌های پیوسته: نرمال، نمایی
• 9. کاربرد توزیع نرمال در علوم
• 10. مفهوم نمونه و جامعه آماری
• 11. روش‌های نمونه‌گیری تصادفی
• 12. تخمین پارامترهای جامعه
• 13. فاصله اطمینان برای میانگین
• 14. فاصله اطمینان برای نسبت
• 15. آزمون فرض آماری: مفاهیم پایه
• 16. آزمون فرض برای میانگین جامعه (تک نمونه‌ای)
• 17. آزمون فرض برای نسبت جامعه (تک نمونه‌ای)
• 18. آزمون فرض برای میانگین جامعه (دو نمونه‌ای مستقل)
• 19. آزمون فرض برای میانگین جامعه (دو نمونه‌ای وابسته)
• 20. آزمون فرض برای نسبت جوامع (دو نمونه‌ای)
• 21. مقدمه‌ای بر رگرسیون خطی ساده
• 22. تخمین پارامترهای رگرسیون خطی
• 23. آزمون فرض برای ضریب رگرسیون
• 24. تحلیل واریانس (ANOVA) یک‌طرفه
• 25. کاربرد ANOVA در مقایسه میانگین‌ها
• 26. مقدمه‌ای بر رگرسیون خطی چندگانه
• 27. انتخاب متغیر در رگرسیون چندگانه
• 28. مفاهیم همبستگی و انواع آن
• 29. ضریب همبستگی پیرسون
• 30. همبستگی رتبه‌ای اسپیرمن
• 31. تحلیل سری‌های زمانی: مقدمه
• 32. تجزیه سری‌های زمانی به مولفه‌ها
• 33. مدل‌های پیش‌بینی سری‌های زمانی
• 34. مقدمه‌ای بر تحلیل عاملی
• 35. کاربرد تحلیل عاملی در کاهش ابعاد
• 36. مقدمه‌ای بر تحلیل خوشه‌ای
• 37. روش‌های طبقه‌بندی داده‌ها
• 38. مبانی آمار ناپارامتری
• 39. آزمون رتبه علامت ویلکاکسون
• 40. آزمون من-ویتنی یو
• 41. آزمون کروسکال-والیس
• 42. کاربرد آزمون‌های ناپارامتری
• 43. مقدمه‌ای بر طراحی آزمایش‌ها
• 44. مفاهیم بلوک‌بندی و تکرار
• 45. طرح‌های عاملی فاکتوریل
• 46. تحلیل داده‌های طرح‌های عاملی
• 47. مقدمه‌ای بر تحلیل بقا
• 48. تابع بقا و تابع خطر
• 49. روش کاپلان-مایر
• 50. آزمون رتبه‌مان تل-فیل
• 51. مقدمه‌ای بر تحلیل آماری چندمتغیره
• 52. مفهوم بردار تصادفی
• 53. فاصله ماهالانوبیس
• 54. تحلیل مؤلفه‌های اصلی (PCA)
• 55. تفسیر مؤلفه‌های اصلی
• 56. مقدمه‌ای بر تحلیل تشخیص
• 57. تابع تشخیص خطی
• 58. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
• 59. مدل رگرسیون لجستیک
• 60. کاربرد رگرسیون لجستیک در طبقه‌بندی
• 61. مدل پواسون برای داده‌های شمارشی
• 62. مقدمه‌ای بر روش‌های شبیه‌سازی مونت کارلو
• 63. تولید اعداد تصادفی
• 64. شبیه‌سازی توزیع‌های احتمال
• 65. کاربرد شبیه‌سازی در تخمین
• 66. مقدمه‌ای بر یادگیری ماشین آماری
• 67. رگرسیون و طبقه‌بندی با یادگیری ماشین
• 68. مدل‌های درخت تصمیم
• 69. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 70. کاربرد شبکه‌های عصبی در تحلیل داده
• 71. مقدمه‌ای بر پردازش زبان طبیعی آماری
• 72. مدل‌های زبانی آماری
• 73. استفاده از آمار در پردازش تصویر
• 74. مقدمه‌ای بر آمار زیستی
• 75. کاربرد آمار در مطالعات بالینی
• 76. مقدمه‌ای بر آمار اقتصادی
• 77. تحلیل داده‌های اقتصادی و مالی
• 78. مقدمه‌ای بر آمار مهندسی
• 79. کنترل کیفیت آماری (SPC)
• 80. نمودارهای کنترل فرآیند
• 81. مقدمه‌ای بر آمار فضایی
• 82. تحلیل داده‌های مکانی
• 83. مقدمه‌ای بر آمار زیست‌محیطی
• 84. مدل‌سازی داده‌های زیست‌محیطی
• 85. مقدمه‌ای بر آمار علوم اجتماعی
• 86. تحلیل داده‌های پیمایشی
• 87. مقدمه‌ای بر آمار در مدیریت
• 88. تصمیم‌گیری با رویکرد آماری
• 89. مقدمه‌ای بر نرم‌افزارهای آماری (R)
• 90. مبانی برنامه‌نویسی در R
• 91. انجام تحلیل‌های آماری با R
• 92. مقدمه‌ای بر نرم‌افزارهای آماری (Python)
• 93. کتابخانه‌های آماری در Python (NumPy, SciPy)
• 94. کتابخانه‌های تحلیل داده در Python (Pandas)
• 95. مصورسازی داده‌ها با Python (Matplotlib, Seaborn)
• 96. مقدمه‌ای بر اخلاق در تحلیل داده
• 97. حفظ حریم خصوصی داده‌ها
• 98. سوگیری در داده‌ها و تحلیل‌ها
• 99. مقدمه‌ای بر تفسیر نتایج آماری
• 100. ارائه گزارش‌های آماری علمی