اپلیکیشن اندرویدی فلش‌کارت آموزشی آمار کاربردی برای تحلیلگران داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آمار کاربردی برای تحلیلگران داده

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: مبانی آماری در علوم داده

📋 سرفصل‌های دوره

• 1. مبانی علوم داده و آمار
• 2. مقدمه‌ای بر آمار کاربردی
• 3. انواع داده‌ها و مقیاس‌های اندازه‌گیری
• 4. نمایش توزیع داده‌ها: نمودارها
• 5. نمودار هیستوگرام و کاربردهای آن
• 6. نمودار جعبه‌ای (Box Plot) و تفسیر آن
• 7. نمودار میله‌ای و نمودار دایره‌ای
• 8. آمار توصیفی: معیارهای مرکزی
• 9. میانگین، میانه و نما
• 10. واریانس و انحراف معیار
• 11. دامنه و دامنه میان‌چارکی
• 12. توزیع نرمال و اهمیت آن
• 13. توزیع‌های آماری مهم دیگر
• 14. مقدمه‌ای بر احتمال
• 15. قوانین احتمال پایه
• 16. احتمال شرطی و استقلال
• 17. قضیه بیز و کاربردهای آن
• 18. متغیرهای تصادفی گسسته
• 19. امید ریاضی و واریانس متغیر گسسته
• 20. توزیع دوجمله‌ای (Binomial Distribution)
• 21. توزیع پواسون (Poisson Distribution)
• 22. متغیرهای تصادفی پیوسته
• 23. امید ریاضی و واریانس متغیر پیوسته
• 24. توزیع یکنواخت (Uniform Distribution)
• 25. توزیع نمایی (Exponential Distribution)
• 26. توزیع نرمال (Normal Distribution)
• 27. خاصیت نرمالیزاسیون (Standardization)
• 28. قضیه حد مرکزی (Central Limit Theorem)
• 29. مقدمه‌ای بر استنباط آماری
• 30. مفاهیم برآوردگرها
• 31. برآورد نقطه‌ای
• 32. برآورد فاصله‌ای (فاصله اطمینان)
• 33. محاسبه فاصله اطمینان برای میانگین
• 34. محاسبه فاصله اطمینان برای نسبت
• 35. مقدمه‌ای بر آزمون فرض آماری
• 36. فرضیه صفر و فرضیه جایگزین
• 37. خطای نوع اول و نوع دوم
• 38. سطح معنی‌داری (Alpha) و توان آزمون (Power)
• 39. آزمون فرض برای میانگین (Z-test, T-test)
• 40. آزمون فرض برای نسبت
• 41. آزمون فرض برای واریانس
• 42. مقدمه‌ای بر رگرسیون خطی
• 43. مدل رگرسیون خطی ساده
• 44. تخمین پارامترهای رگرسیون (OLS)
• 45. تفسیر ضرایب رگرسیون
• 46. ارزیابی مدل رگرسیون (R-squared)
• 47. آزمون فرض در رگرسیون
• 48. مقدمه‌ای بر رگرسیون خطی چندگانه
• 49. مدل رگرسیون خطی چندگانه
• 50. انتخاب متغیرهای مناسب در رگرسیون
• 51. تشخیص هم‌خطی (Multicollinearity)
• 52. مقدمه‌ای بر تحلیل واریانس (ANOVA)
• 53. ANOVA یک‌طرفه
• 54. آزمون تعقیبی (Post-hoc tests)
• 55. ANOVA دوطرفه
• 56. مقدمه‌ای بر تحلیل سری‌های زمانی
• 57. مفاهیم پایه در سری‌های زمانی
• 58. شناسایی روند و فصلیت
• 59. مدل‌های ARIMA
• 60. ارزیابی مدل‌های سری زمانی
• 61. مقدمه‌ای بر روش‌های ناپارامتری
• 62. آزمون رتبه علامت‌دار ویلکاکسون
• 63. آزمون مان-ویتنی یو
• 64. آزمون کروسکال-والیس
• 65. مقدمه‌ای بر خوشه‌بندی (Clustering)
• 66. الگوریتم K-Means
• 67. ارزیابی خوشه‌بندی
• 68. مقدمه‌ای بر کاهش ابعاد
• 69. تحلیل مؤلفه‌های اصلی (PCA)
• 70. تفسیر مؤلفه‌های اصلی
• 71. کاربرد PCA در علوم داده
• 72. مقدمه‌ای بر تحلیل عاملی (Factor Analysis)
• 73. مدل عاملی اکتشافی
• 74. مدل عاملی تأییدی
• 75. کاربرد تحلیل عاملی
• 76. مقدمه‌ای بر تحلیل بقا (Survival Analysis)
• 77. تابع بقا و تابع خطر
• 78. روش کاپلان-مایر
• 79. مدل کوکس (Cox Proportional Hazards Model)
• 80. مقدمه‌ای بر تحلیل رشته‌ای (Text Analysis)
• 81. پیش‌پردازش متن
• 82. مدل‌سازی موضوع (Topic Modeling)
• 83. تحلیل احساسات (Sentiment Analysis)
• 84. مقدمه‌ای بر یادگیری آماری
• 85. مفاهیم یادگیری نظارت شده
• 86. مفاهیم یادگیری نظارت نشده
• 87. اعتبارسنجی مدل (Cross-validation)
• 88. تنظیم فراپارامترها (Hyperparameter Tuning)
• 89. مقدمه‌ای بر استنتاج بیزی (Bayesian Inference)
• 90. قضیه بیز در عمل
• 91. مدل‌های بیزی سلسله مراتبی
• 92. کاربرد استنتاج بیزی در علوم داده
• 93. مقدمه‌ای بر شبیه‌سازی مونت کارلو
• 94. تولید اعداد تصادفی
• 95. کاربرد شبیه‌سازی در برآورد
• 96. شبیه‌سازی مونت کارلو در بهینه‌سازی
• 97. مقدمه‌ای بر علوم تصمیم‌گیری
• 98. مدل‌های تصمیم‌گیری با عدم قطعیت
• 99. درخت‌های تصمیم
• 100. کاربرد تحلیل آماری در تصمیم‌گیری