اپلیکیشن اندرویدی فلش‌کارت آموزشی تحلیل آماری پیشرفته و بصری‌سازی داده‌ها با R

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل آماری پیشرفته و بصری‌سازی داده‌ها با R

موضوع کلی: علوم کامپیوتر و تحلیل داده

موضوع میانی: تحلیل داده با زبان برنامه‌نویسی R

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل آماری پیشرفته با R
• 2. مبانی توزیع‌های آماری
• 3. آزمون فرض آماری: مفاهیم و کاربردها
• 4. آزمون‌های t و مقایسه‌ی میانگین‌ها
• 5. تحلیل واریانس (ANOVA): اصول و اجرای عملی
• 6. آزمون‌های ناپارامتری در R
• 7. رگرسیون خطی چندگانه: مدل‌سازی و تفسیر
• 8. انتخاب بهترین مدل رگرسیون
• 9. تحلیل سری‌های زمانی: مفاهیم پایه
• 10. مدل‌های ARIMA برای پیش‌بینی
• 11. تحلیل عاملی اکتشافی (EFA)
• 12. تحلیل مؤلفه‌های اصلی (PCA)
• 13. مقدمه‌ای بر یادگیری ماشین با R
• 14. طبقه‌بندی: الگوریتم‌های پایه
• 15. خوشه‌بندی: روش‌های تقسیم‌بندی داده‌ها
• 16. شبکه‌های عصبی مصنوعی در R
• 17. مدل‌های درخت تصمیم و جنگل تصادفی
• 18. ماشین‌های بردار پشتیبان (SVM)
• 19. مقدمه‌ای بر پردازش زبان طبیعی (NLP) با R
• 20. تحلیل احساسات متنی
• 21. مدل‌سازی موضوعی (Topic Modeling)
• 22. بصری‌سازی داده‌ها: اصول و روش‌ها
• 23. بصری‌سازی داده‌های جغرافیایی (GIS)
• 24. نمودارهای تعاملی با R
• 25. بصری‌سازی شبکه‌های اجتماعی
• 26. مقدمه‌ای بر آمار بیزی در R
• 27. روش‌های نمونه‌گیری مونت کارلو زنجیره مارکوف (MCMC)
• 28. مدل‌های خطی تعمیم‌یافته (GLM)
• 29. مدل‌های رگرسیون لجستیک
• 30. مدل‌های رگرسیون پواسون
• 31. مدل‌های چندسطحی (Hierarchical Models)
• 32. تحلیل بقا (Survival Analysis)
• 33. آزمون‌های همبستگی پیشرفته
• 34. تحلیل داده‌های پرت (Outlier Detection)
• 35. روش‌های جایگزینی داده‌های گمشده
• 36. اعتبارسنجی متقابل (Cross-Validation)
• 37. تنظیم فراپارامترها (Hyperparameter Tuning)
• 38. تکنیک‌های کاهش ابعاد
• 39. بصری‌سازی ماتریس همبستگی
• 40. نمودارهای هیستوگرام و چگالی
• 41. نمودارهای جعبه‌ای و ویولن
• 42. نمودارهای پراکندگی پیشرفته
• 43. بصری‌سازی داده‌های دسته‌بندی شده
• 44. تحلیل داده‌های متنی با R
• 45. پردازش اولیه متن: پاکسازی و نرمال‌سازی
• 46. ایجاد ماتریس اسناد-واژگان
• 47. تحلیل مولفه‌های اصلی برای متن
• 48. مدل‌سازی موضوعی با LDA
• 49. بصری‌سازی نتایج مدل‌سازی موضوعی
• 50. تحلیل احساسات با واژه‌نامه‌ها
• 51. یادگیری ماشین برای تحلیل احساسات
• 52. تحلیل سری‌های زمانی با R
• 53. شناسایی الگوهای فصلی و روند
• 54. مدل‌های اتورگرسیو (AR)
• 55. مدل‌های میانگین متحرک (MA)
• 56. مدل‌های ARMA
• 57. مدل‌های ARIMA
• 58. پیش‌بینی با مدل‌های سری زمانی
• 59. ارزیابی مدل‌های سری زمانی
• 60. تحلیل داده‌های شبکه‌ای با R
• 61. نمایش گراف داده‌ها
• 62. محاسبه معیارهای مرکزی بودن در شبکه‌ها
• 63. شناسایی جوامع در شبکه‌ها
• 64. بصری‌سازی گراف‌ها
• 65. تحلیل شبکه‌های اجتماعی
• 66. مقدمه‌ای بر یادگیری عمیق با R
• 67. شبکه‌های عصبی کانولوشنال (CNN)
• 68. شبکه‌های عصبی بازگشتی (RNN)
• 69. کاربرد شبکه‌های عصبی در NLP
• 70. کاربرد شبکه‌های عصبی در بینایی ماشین
• 71. آموزش مدل‌های یادگیری عمیق
• 72. ارزیابی مدل‌های یادگیری عمیق
• 73. بهینه‌سازی مدل‌های یادگیری عمیق
• 74. کاربرد R در استنتاج آماری بیزی
• 75. مدل‌سازی بیزی با بسته‌های R
• 76. تفسیر نتایج بیزی
• 77. اعتبارسنجی مدل‌های بیزی
• 78. مقدمه‌ای بر آمار فضایی با R
• 79. تحلیل داده‌های مکانی
• 80. بصری‌سازی داده‌های مکانی
• 81. مدل‌سازی رگرسیون مکانی
• 82. تحلیل ناهمگنی مکانی
• 83. مقدمه‌ای بر تحلیل داده‌های بزرگ با R
• 84. ابزارها و تکنیک‌های پردازش داده‌های بزرگ
• 85. کاربرد Spark با R
• 86. مقدمه‌ای بر یادگیری تقویتی با R
• 87. الگوریتم‌های یادگیری تقویتی
• 88. کاربرد یادگیری تقویتی در حل مسائل
• 89. اصول بصری‌سازی آماری پیشرفته
• 90. اصول گزارش‌دهی آماری و بصری‌سازی
• 91. ساخت داشبوردهای تعاملی با R
• 92. استفاده از Shiny برای ساخت برنامه‌های وب
• 93. طراحی رابط کاربری (UI) در Shiny
• 94. مدیریت داده در برنامه‌های Shiny
• 95. مقدمه‌ای بر اخلاق داده و حریم خصوصی در تحلیل داده
• 96. مسائل اخلاقی در جمع‌آوری و تحلیل داده
• 97. حفاظت از حریم خصوصی داده‌ها
• 98. روش‌های گمنام‌سازی داده‌ها
• 99. کاربرد R در داده‌کاوی و تحلیل اکتشافی
• 100. تکنیک‌های پیشرفته تحلیل داده با R