اپلیکیشن اندرویدی فلش‌کارت آموزشی بصری‌سازی داده‌های آماری توصیفی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بصری‌سازی داده‌های آماری توصیفی

موضوع کلی: برنامه نویسی

موضوع میانی: بصری‌سازی داده (Data Visualization)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بصری‌سازی داده‌های آماری توصیفی
• 2. مفاهیم پایه در آمار توصیفی
• 3. انواع متغیرها در داده‌ها
• 4. مقیاس‌های اندازه‌گیری داده‌ها
• 5. جمع‌آوری و سازماندهی داده‌ها
• 6. مقدمه‌ای بر نرم‌افزارهای آماری
• 7. نصب و راه‌اندازی نرم‌افزار آماری
• 8. آشنایی با محیط کاربری نرم‌افزار
• 9. ورود داده‌ها در نرم‌افزار
• 10. پاکسازی و پیش‌پردازش داده‌ها
• 11. شناسایی و مدیریت داده‌های پرت
• 12. توزیع فراوانی مطلق و نسبی
• 13. جداول فراوانی تجمعی
• 14. نمودارهای میله‌ای برای داده‌های کیفی
• 15. نمودارهای دایره‌ای برای داده‌های کیفی
• 16. نمودارهای هیستوگرام برای داده‌های کمی
• 17. نمودارهای ستونی برای داده‌های کمی
• 18. نمودارهای جعبه‌ای (Box Plot)
• 19. نمودارهای پراکندگی (Scatter Plot)
• 20. نمودارهای خطی برای روندها
• 21. نمودارهای سطح (Area Chart)
• 22. نمودارهای نمودار میله‌ای انباشته
• 23. نمودارهای نمودار میله‌ای گروهی
• 24. نمودارهای نمودار میله‌ای افقی
• 25. نمودارهای نمودار میله‌ای عمودی
• 26. نمودارهای نمودار میله‌ای سه‌بعدی
• 27. نمودارهای نمودار دایره‌ای سه‌بعدی
• 28. نمودارهای هیستوگرام سه‌بعدی
• 29. نمودارهای نمودار پراکندگی سه‌بعدی
• 30. نمودارهای نمودار خطی سه‌بعدی
• 31. نمودارهای نمودار جعبه‌ای سه‌بعدی
• 32. محاسبه معیارهای گرایش مرکزی
• 33. میانگین حسابی داده‌ها
• 34. میانه داده‌ها
• 35. نما (مد) داده‌ها
• 36. محاسبه معیارهای پراکندگی
• 37. دامنه تغییرات داده‌ها
• 38. دامنه میان‌چارکی
• 39. واریانس داده‌ها
• 40. انحراف معیار داده‌ها
• 41. ضریب تغییرات
• 42. محاسبه معیارهای موقعیت
• 43. چارک‌ها و دامنه میان‌چارکی
• 44. صدک‌ها
• 45. محاسبه معیارهای شکل توزیع
• 46. چولگی (Skewness)
• 47. کشیدگی (Kurtosis)
• 48. تفسیر چولگی و کشیدگی
• 49. بصری‌سازی توزیع داده‌ها با نمودار چولگی
• 50. بصری‌سازی توزیع داده‌ها با نمودار کشیدگی
• 51. رابطه بین معیارهای گرایش مرکزی و پراکندگی
• 52. رابطه بین میانگین، میانه و نما
• 53. تأثیر داده‌های پرت بر معیارها
• 54. بصری‌سازی تأثیر داده‌های پرت
• 55. کاربرد نمودار جعبه‌ای در شناسایی داده‌های پرت
• 56. کاربرد نمودار پراکندگی در شناسایی همبستگی
• 57. تحلیل همبستگی بین دو متغیر کمی
• 58. ضریب همبستگی پیرسون
• 59. تفسیر ضریب همبستگی پیرسون
• 60. بصری‌سازی همبستگی با نمودار پراکندگی
• 61. تحلیل همبستگی اسپیرمن
• 62. تفسیر ضریب همبستگی اسپیرمن
• 63. تفاوت همبستگی و علیت
• 64. بصری‌سازی تفاوت همبستگی و علیت
• 65. مقدمه‌ای بر تحلیل رگرسیون خطی ساده
• 66. رگرسیون خطی ساده و پیش‌بینی
• 67. بصری‌سازی خط رگرسیون
• 68. تفسیر ضرایب رگرسیون
• 69. خطای استاندارد ضرایب رگرسیون
• 70. آماره t و سطح معنی‌داری
• 71. ضریب تعیین (R-squared)
• 72. تفسیر ضریب تعیین
• 73. بصری‌سازی ضریب تعیین
• 74. مفاهیم آماری در تحلیل داده‌ها
• 75. نمونه‌گیری و انواع آن
• 76. توزیع نمونه‌گیری
• 77. قضیه حد مرکزی
• 78. آزمون فرض آماری
• 79. خطای نوع اول و دوم
• 80. سطح معنی‌داری (Alpha)
• 81. قیمت p (p-value)
• 82. تفسیر قیمت p
• 83. آزمون t تک‌نمونه‌ای
• 84. آزمون t دو‌نمونه‌ای مستقل
• 85. آزمون t زوجی
• 86. آزمون تحلیل واریانس (ANOVA) یک‌طرفه
• 87. مقایسه میانگین‌ها در ANOVA
• 88. تفسیر نتایج ANOVA
• 89. مقدمه‌ای بر بصری‌سازی داده‌های حجیم (Big Data)
• 90. ابزارهای پیشرفته بصری‌سازی
• 91. اصول طراحی داشبوردهای مدیریتی
• 92. بصری‌سازی داده‌ها در گزارشات رسمی
• 93. اخلاق در بصری‌سازی داده‌ها
• 94. ارزیابی کیفیت بصری‌سازی
• 95. نمونه‌های موردی بصری‌سازی موفق
• 96. تمرین عملی با مجموعه داده‌های واقعی
• 97. ساخت گزارش تعاملی با داده‌ها
• 98. مقدمه‌ای بر مبانی هوش تجاری
• 99. کاربرد بصری‌سازی در هوش تجاری
• 100. جمع‌بندی و گام‌های آینده در بصری‌سازی