دوره مبانی تحلیل مدل‌های پیش‌بینی مبتنی بر استنتاج آماری همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی تحلیل مدل‌های پیش‌بینی مبتنی بر استنتاج آماری

موضوع کلی: امنیت غذایی و کشاورزی پایدار

موضوع میانی: پیش‌بینی تقاضا و عرضه محصولات کشاورزی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل مدل‌های پیش‌بینی
• 2. مفاهیم پایه در استنتاج آماری
• 3. انواع داده و مقیاس‌های اندازه‌گیری
• 4. آمار توصیفی و خلاصه‌سازی داده‌ها
• 5. مقدمه‌ای بر توزیع‌های احتمال
• 6. توزیع نرمال و خواص آن
• 7. قضیه حد مرکزی و کاربردهای آن
• 8. مفهوم نمونه و جامعه آماری
• 9. روش‌های نمونه‌گیری تصادفی
• 10. برآورد پارامترهای جامعه
• 11. فاصله اطمینان برای میانگین
• 12. فاصله اطمینان برای نسبت
• 13. مقدمه‌ای بر آزمون فرض آماری
• 14. خطای نوع اول و دوم در آزمون فرض
• 15. آزمون فرض برای میانگین جامعه (تک نمونه‌ای)
• 16. آزمون فرض برای نسبت جامعه (تک نمونه‌ای)
• 17. مقدمه‌ای بر رگرسیون خطی ساده
• 18. مفهوم ضریب همبستگی پیرسون
• 19. تخمین پارامترهای رگرسیون خطی
• 20. آزمون فرض برای ضریب رگرسیون
• 21. تحلیل واریانس در رگرسیون خطی
• 22. معیارهای ارزیابی مدل رگرسیون
• 23. مقدمه‌ای بر رگرسیون خطی چندگانه
• 24. انتخاب متغیر در مدل‌های رگرسیون
• 25. مفاهیم بیش‌برازش و کم‌برازش
• 26. روش‌های اعتبارسنجی مدل (Cross-validation)
• 27. مقدمه‌ای بر مدل‌های سری زمانی
• 28. تحلیل روند در داده‌های سری زمانی
• 29. تحلیل فصلی در داده‌های سری زمانی
• 30. مدل‌های میانگین متحرک (MA)
• 31. مدل‌های خودرگرسیون (AR)
• 32. مدل‌های ARMA
• 33. مدل‌های ARIMA
• 34. پیش‌بینی با استفاده از مدل‌های ARIMA
• 35. تحلیل باقی‌مانده‌ها در مدل‌های سری زمانی
• 36. مقدمه‌ای بر مدل‌های طبقه‌بندی
• 37. رگرسیون لجستیک برای طبقه‌بندی
• 38. مفهوم تابع سیگموئید
• 39. تفسیر ضرایب در رگرسیون لجستیک
• 40. معیارهای ارزیابی مدل‌های طبقه‌بندی
• 41. ماتریس درهم‌ریختگی (Confusion Matrix)
• 42. دقت (Accuracy)، حساسیت (Sensitivity)، ویژگی (Specificity)
• 43. مقدمه‌ای بر درختان تصمیم
• 44. ساخت درخت تصمیم (روش CART)
• 45. هنجارهای تقسیم در درختان تصمیم
• 46. هرس درختان تصمیم (Pruning)
• 47. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
• 48. هسته‌های (Kernels) در SVM
• 49. تنظیم پارامترهای SVM
• 50. مقدمه‌ای بر جنگل‌های تصادفی (Random Forests)
• 51. نحوه عملکرد جنگل‌های تصادفی
• 52. مزایای جنگل‌های تصادفی
• 53. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 54. نورون مصنوعی و توابع فعال‌سازی
• 55. معماری شبکه‌های عصبی پیشخور (Feedforward)
• 56. پس‌انتشار خطا (Backpropagation)
• 57. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی (CNN)
• 58. لایه‌های کانولوشن و پولینگ در CNN
• 59. کاربرد CNN در تحلیل تصویر
• 60. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
• 61. حافظه در RNN و شبکه‌های LSTM
• 62. کاربرد RNN در تحلیل داده‌های ترتیبی
• 63. مقدمه‌ای بر مدل‌های یادگیری تقویتی
• 64. مفهوم عامل (Agent)، محیط (Environment)، پاداش (Reward)
• 65. الگوریتم‌های یادگیری تقویتی (Q-Learning)
• 66. مقدمه‌ای بر مدل‌های بیزی
• 67. قضیه بیز و استنتاج بیزی
• 68. مدل‌های بیزی در پیش‌بینی
• 69. مقدمه‌ای بر استنتاج آماری بیزی
• 70. توزیع پیشین و پسین
• 71. روش‌های مونت کارلو زنجیره مارکوف (MCMC)
• 72. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
• 73. مدل‌های پواسون و دوجمله‌ای منفی
• 74. کاربرد GLM در تحلیل داده‌های شمارشی
• 75. مقدمه‌ای بر مدل‌های بقا (Survival Analysis)
• 76. تابع خطر (Hazard Function)
• 77. مدل کاپلان-مایر
• 78. مدل رگرسیون کوکس (Cox Proportional Hazards)
• 79. مقدمه‌ای بر تحلیل عامل (Factor Analysis)
• 80. استخراج عوامل در تحلیل عامل
• 81. تفسیر عوامل استخراج شده
• 82. مقدمه‌ای بر تحلیل مؤلفه‌های اصلی (PCA)
• 83. محاسبه مؤلفه‌های اصلی
• 84. کاربرد PCA در کاهش ابعاد
• 85. مقدمه‌ای بر مدل‌های سری زمانی چندمتغیره
• 86. مدل‌های VAR (Vector Autoregression)
• 87. تشخیص هم‌انباشتگی (Cointegration)
• 88. مقدمه‌ای بر مدل‌های پانل دیتا (Panel Data)
• 89. مدل اثرات ثابت و اثرات تصادفی
• 90. کاربرد مدل‌های پانل دیتا در اقتصاد
• 91. مقدمه‌ای بر مدل‌های آماری در علوم اقتصادی
• 92. مدل‌های اقتصادسنجی برای پیش‌بینی
• 93. کاربرد مدل‌های پیش‌بینی در تصمیم‌گیری اقتصادی
• 94. مقدمه‌ای بر مدل‌های آماری در علوم اجتماعی
• 95. تحلیل داده‌های پیمایشی
• 96. کاربرد مدل‌های پیش‌بینی در علوم اجتماعی
• 97. مقدمه‌ای بر ارزیابی ریسک در مدل‌های مالی
• 98. مدل‌های ارزش در معرض ریسک (VaR)
• 99. کاربرد مدل‌های پیش‌بینی در مدیریت ریسک مالی
• 100. مقدمه‌ای بر مدل‌های احتمالاتی در مهندسی