اپلیکیشن اندرویدی فلش‌کارت آموزشی تحلیل آماری پیشرفته و کاربردهای آن در مهندسی و علوم داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل آماری پیشرفته و کاربردهای آن در مهندسی و علوم داده

موضوع کلی: علوم ریاضی و کاربردی

موضوع میانی: مباحث پیشرفته آمار و تحلیل داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر آمار استنباطی پیشرفته
• 2. نظریه احتمال در تحلیل داده
• 3. توزیع‌های آماری چندمتغیره
• 4. ماتریس کوواریانس و همبستگی
• 5. تحلیل مؤلفه‌های اصلی (PCA)
• 6. تحلیل عاملی اکتشافی (EFA)
• 7. تحلیل عاملی تاییدی (CFA)
• 8. مدل‌سازی معادلات ساختاری (SEM)
• 9. مقدمه‌ای بر رگرسیون چندگانه
• 10. انتخاب مدل در رگرسیون
• 11. رگرسیون لجستیک برای داده‌های دودویی
• 12. رگرسیون پواسون برای داده‌های شمارشی
• 13. مدل‌های خطی تعمیم‌یافته (GLM)
• 14. مقدمه‌ای بر سری‌های زمانی
• 15. مدل‌های ARIMA
• 16. تحلیل طیفی سری‌های زمانی
• 17. مقدمه‌ای بر خوشه‌بندی
• 18. الگوریتم K-Means
• 19. خوشه‌بندی سلسله مراتبی
• 20. تحلیل تفکیکی (Discriminant Analysis)
• 21. مقدمه‌ای بر آزمون فرض آماری پیشرفته
• 22. آزمون‌های ناپارامتری
• 23. آزمون ویلکاکسون
• 24. آزمون کروسکال-والیس
• 25. آزمون رتبه‌ای علامت‌دار
• 26. مقدمه‌ای بر روش‌های بیزی
• 27. احتمال پیشین و پسین
• 28. قضیه بیز در عمل
• 29. مدل‌های بیزی سلسله مراتبی
• 30. مقدمه‌ای بر یادگیری ماشین آماری
• 31. رگرسیون هسته (Kernel Regression)
• 32. ماشین‌های بردار پشتیبان (SVM)
• 33. شبکه‌های عصبی در تحلیل آماری
• 34. مقدمه‌ای بر یادگیری عمیق
• 35. شبکه‌های عصبی کانولوشنی (CNN)
• 36. شبکه‌های عصبی بازگشتی (RNN)
• 37. پردازش زبان طبیعی (NLP) با رویکرد آماری
• 38. مدل‌های زبانی آماری
• 39. کاربرد آمار در علوم داده
• 40. تحلیل اکتشافی داده‌ها (EDA)
• 41. پیش‌پردازش داده‌ها
• 42. مقیاس‌بندی و نرمال‌سازی داده‌ها
• 43. مدیریت داده‌های پرت
• 44. اعتبارسنجی مدل‌های آماری
• 45. اعتبارسنجی متقابل (Cross-validation)
• 46. تنظیم هایپرپارامترها
• 47. ارزیابی عملکرد مدل‌ها
• 48. مقدمه‌ای بر مدل‌سازی آماری پیشرفته
• 49. مدل‌های اثرات مختلط (Mixed-effects Models)
• 50. مدل‌های فضایی آماری
• 51. تحلیل بقا (Survival Analysis)
• 52. مدل‌های کاکس (Cox Models)
• 53. کاربرد آمار در بهینه‌سازی
• 54. بهینه‌سازی با رویکرد آماری
• 55. طراحی آزمایش‌ها (DOE)
• 56. تکنیک‌های نمونه‌گیری پیشرفته
• 57. نمونه‌گیری طبقه‌ای
• 58. نمونه‌گیری خوشه‌ای
• 59. مقدمه‌ای بر داده‌های حجیم (Big Data)
• 60. چالش‌های آماری در داده‌های حجیم
• 61. کاربرد ابزارهای تحلیل داده‌های حجیم
• 62. مقدمه‌ای بر یادگیری تقویتی
• 63. کاربرد یادگیری تقویتی در مدل‌سازی
• 64. مقدمه‌ای بر هوش مصنوعی و آمار
• 65. همگرایی آمار و هوش مصنوعی
• 66. اخلاق در تحلیل داده‌های آماری
• 67. حریم خصوصی در تحلیل داده
• 68. مسئولیت‌پذیری در مدل‌سازی آماری
• 69. کاربرد آمار در علوم مالی
• 70. مدل‌سازی ریسک اعتباری
• 71. تحلیل سری‌های زمانی مالی
• 72. کاربرد آمار در مهندسی کیفیت
• 73. کنترل فرآیندهای آماری (SPC)
• 74. تجزیه و تحلیل واریانس (ANOVA) پیشرفته
• 75. آزمون‌های تعقیبی در ANOVA
• 76. مقدمه‌ای بر تحلیل داده‌های مکانی
• 77. مدل‌های خودهمبستگی فضایی
• 78. کاربرد آمار در علوم زیستی
• 79. مدل‌سازی ژنتیکی
• 80. تحلیل داده‌های بالینی
• 81. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
• 82. مدل‌سازی وابستگی در شبکه‌ها
• 83. کاربرد آمار در علوم اجتماعی
• 84. تحلیل داده‌های پیمایشی پیشرفته
• 85. مدل‌سازی ساختاری چندسطحی
• 86. مقدمه‌ای بر آماره‌های ترتیبی
• 87. کاربرد آمار در پردازش سیگنال
• 88. فیلتر کالمن
• 89. مقدمه‌ای بر یادگیری آماری عمیق
• 90. ترکیب مدل‌های آماری و یادگیری عمیق
• 91. کاربرد آمار در بهینه‌سازی محاسباتی
• 92. مقدمه‌ای بر محاسبات علمی آماری
• 93. شبیه‌سازی مونت کارلو پیشرفته
• 94. روش‌های نمونه‌گیری از جامعه (MCMC)
• 95. ارزیابی عدم قطعیت در مدل‌ها
• 96. مقدمه‌ای بر تفسیرپذیری مدل‌های آماری
• 97. تکنیک‌های تفسیرپذیری مدل‌های یادگیری ماشین
• 98. کاربرد آمار در تحلیل تصویر
• 99. پردازش آماری تصاویر
• 100. مقدمه‌ای بر آمارهای فضایی-زمانی