اپلیکیشن اندرویدی فلش‌کارت آموزشی تحلیل آماری پیشرفته با استفاده از ابزارهای محاسباتی نوین

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل آماری پیشرفته با استفاده از ابزارهای محاسباتی نوین

موضوع کلی: علوم کامپیوتر و تحلیل داده

موضوع میانی: تحلیل آماری پیشرفته

📋 سرفصل‌های دوره

• 1. مبانی آمار و احتمال در علوم کامپیوتر
• 2. مفاهیم پایه توزیع‌های احتمالی
• 3. آزمون فرض آماری در تحلیل داده
• 4. رگرسیون خطی ساده و مفروضات آن
• 5. تحلیل واریانس یک‌طرفه (ANOVA)
• 6. تحلیل واریانس دوطرفه
• 7. رگرسیون چندگانه و انتخاب متغیر
• 8. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
• 9. مدل‌های رگرسیون لجستیک
• 10. مدل‌های پواسون و شمارش رویداد
• 11. تحلیل سری‌های زمانی: مبانی و مدل‌های اولیه
• 12. مدل‌های ARIMA و تشخیص پارامترها
• 13. پیش‌بینی در سری‌های زمانی
• 14. مقدمه‌ای بر یادگیری ماشین آماری
• 15. یادگیری با نظارت و بدون نظارت
• 16. طبقه‌بندی‌کننده بیز ساده
• 17. ماشین‌های بردار پشتیبان (SVM)
• 18. درختان تصمیم و جنگل‌های تصادفی
• 19. خوشه‌بندی: الگوریتم K-Means
• 20. خوشه‌بندی سلسله‌مراتبی
• 21. کاهش ابعاد: تحلیل مؤلفه‌های اصلی (PCA)
• 22. کاهش ابعاد: تحلیل عاملی
• 23. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 24. شبکه‌های عصبی پرسپترون چندلایه
• 25. انتشار رو به عقب (Backpropagation)
• 26. شبکه‌های عصبی کانولوشنال (CNN)
• 27. شبکه‌های عصبی بازگشتی (RNN)
• 28. آمار فضایی و تحلیل داده‌های مکانی
• 29. مفاهیم اساسی آمار فضایی
• 30. کریگینگ و تخمین فضایی
• 31. مدل‌های آماری برای داده‌های مکانی
• 32. تحلیل داده‌های شبکه‌ای
• 33. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
• 34. شاخص‌های مرکزی و پراکندگی در شبکه‌ها
• 35. تحلیل مسیر در شبکه‌ها
• 36. مدل‌های آماری برای تحلیل شبکه‌ها
• 37. مقدمه‌ای بر آمار بیزی
• 38. قضیه بیز و استنتاج بیزی
• 39. توزیع‌های پیشین و پسین
• 40. روش‌های نمونه‌گیری مارکوف زنجیره مونت کارلو (MCMC)
• 41. کاربرد آمار بیزی در تحلیل داده
• 42. آمار ناپارامتری
• 43. آزمون‌های ناپارامتری (Wilcoxon, Kruskal-Wallis)
• 44. تخمین چگالی کرنل
• 45. کاربرد آمار ناپارامتری در علوم کامپیوتر
• 46. مقدمه‌ای بر تحلیل بقا
• 47. توابع بقا و خطر
• 48. تخمین کاپلان-مایر
• 49. مدل‌های کوکس (Cox Proportional Hazards)
• 50. تحلیل داده‌های حجیم (Big Data)
• 51. مفاهیم و چالش‌های داده‌های حجیم
• 52. معماری‌های پردازش داده‌های حجیم (Hadoop, Spark)
• 53. روش‌های آماری برای داده‌های حجیم
• 54. مقدمه‌ای بر یادگیری عمیق
• 55. مفاهیم پایه شبکه‌های عصبی عمیق
• 56. شبکه‌های عصبی ترنسفورمر
• 57. کاربرد یادگیری عمیق در پردازش زبان طبیعی
• 58. کاربرد یادگیری عمیق در بینایی ماشین
• 59. آمار در هوش مصنوعی
• 60. بهینه‌سازی در مدل‌های آماری
• 61. روش‌های اعتبارسنجی متقابل (Cross-Validation)
• 62. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 63. ارزیابی مدل‌های آماری
• 64. مقدمه‌ای بر آمار در رباتیک
• 65. مدل‌سازی حرکت ربات
• 66. فیلتر کالمن و فیلتر ذرات
• 67. کاربرد آمار در ناوبری ربات
• 68. تحلیل داده‌های سلامت الکترونیک
• 69. مفاهیم و چالش‌های داده‌های سلامت
• 70. مدل‌سازی پیش‌بینی‌کننده در سلامت
• 71. کاربرد آمار در کشف دارو
• 72. آمار در امنیت سایبری
• 73. شناسایی ناهنجاری در داده‌ها
• 74. مدل‌سازی تهدیدات سایبری
• 75. کاربرد آمار در تحلیل بدافزار
• 76. مقدمه‌ای بر آمار مالی
• 77. مدل‌سازی ریسک مالی
• 78. تحلیل پرتفوی
• 79. کاربرد آمار در پیش‌بینی بازار
• 80. آمار در علوم شناختی
• 81. مدل‌سازی فرآیندهای شناختی
• 82. تحلیل داده‌های آزمایشی روان‌شناختی
• 83. کاربرد آمار در هوش مصنوعی عمومی
• 84. تحلیل آماری داده‌های شبیه‌سازی
• 85. اعتبارسنجی مدل‌های شبیه‌سازی
• 86. کاربرد آمار در تحلیل عملکرد سیستم‌ها
• 87. مقدمه‌ای بر آمار در پردازش سیگنال
• 88. فیلترهای دیجیتال
• 89. تحلیل طیفی سیگنال‌ها
• 90. کاربرد آمار در فشرده‌سازی داده
• 91. مقدمه‌ای بر آمار زیستی
• 92. طراحی آزمایش‌های زیستی
• 93. تحلیل داده‌های ژنومیک
• 94. کاربرد آمار در اپیدمیولوژی
• 95. آمار در علوم زمین
• 96. مدل‌سازی داده‌های آب و هوایی
• 97. تحلیل داده‌های لرزه‌نگاری
• 98. کاربرد آمار در اکتشاف منابع
• 99. مقدمه‌ای بر آمار در علوم اجتماعی
• 100. تحلیل داده‌های پیمایشی