دوره اکسل پیشرفته برای علم داده و یادگیری ماشین: از مبانی تا کاربردهای عملی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اکسل پیشرفته برای علم داده و یادگیری ماشین: از مبانی تا کاربردهای عملی

موضوع کلی: تحلیل داده و یادگیری ماشین

موضوع میانی: ابزارهای محاسباتی برای علم داده

📋 سرفصل‌های دوره

• 1. مبانی علم داده در اکسل
• 2. آشنایی با محیط کاربری اکسل برای تحلیل داده
• 3. ورود و پاکسازی داده‌ها در اکسل
• 4. انواع داده و قالب‌بندی سلول‌ها
• 5. کار با توابع پایه اکسل (SUM, AVERAGE, COUNT)
• 6. توابع منطقی (IF, AND, OR)
• 7. توابع متنی (LEFT, RIGHT, MID, CONCATENATE)
• 8. توابع تاریخ و زمان
• 9. مدیریت داده‌های حجیم با ابزارهای اکسل
• 10. مرتب‌سازی و فیلتر کردن داده‌ها
• 11. جدول‌های محوری (Pivot Tables) برای خلاصه‌سازی داده
• 12. نمودارهای پایه در اکسل
• 13. نمودارهای پیشرفته برای نمایش الگوها
• 14. تجزیه و تحلیل آماری مقدماتی در اکسل
• 15. محاسبه میانگین، میانه و مد
• 16. محاسبه انحراف معیار و واریانس
• 17. تحلیل رگرسیون خطی در اکسل
• 18. پیش‌بینی با استفاده از رگرسیون
• 19. آشنایی با مفاهیم یادگیری ماشین
• 20. یادگیری نظارت شده و بدون نظارت
• 21. طبقه‌بندی (Classification) در یادگیری ماشین
• 22. رگرسیون (Regression) در یادگیری ماشین
• 23. خوشه‌بندی (Clustering) در یادگیری ماشین
• 24. تکنیک‌های کاهش ابعاد
• 25. تحلیل مولفه‌های اصلی (PCA) با اکسل
• 26. مقدمه‌ای بر شبکه‌های عصبی
• 27. شبکه‌های عصبی پرسپترون چندلایه
• 28. آموزش و اعتبارسنجی مدل‌های یادگیری ماشین
• 29. ارزیابی عملکرد مدل‌ها (دقت، صحت، بازیابی)
• 30. تنظیم پارامترهای مدل (Hyperparameter Tuning)
• 31. کار با داده‌های متنی در اکسل
• 32. پردازش اولیه متن (Text Preprocessing)
• 33. نمایش داده‌های متنی با Bag-of-Words
• 34. TF-IDF در تحلیل متن
• 35. مقدمه‌ای بر تحلیل احساسات
• 36. کار با داده‌های سری زمانی
• 37. نمودارهای سری زمانی
• 38. شناسایی روند و فصلیت
• 39. پیش‌بینی سری زمانی با روش‌های پایه
• 40. تحلیل کوواریانس و همبستگی
• 41. مفاهیم احتمالات در علم داده
• 42. قوانین احتمال پایه
• 43. احتمال شرطی و قضیه بیز
• 44. کاربرد قضیه بیز در طبقه‌بندی
• 45. توزیع‌های احتمال مهم (نرمال، پواسون، دوجمله‌ای)
• 46. شبیه‌سازی با استفاده از اکسل
• 47. تولید اعداد تصادفی
• 48. شبیه‌سازی مونت کارلو
• 49. کاربرد شبیه‌سازی در تحلیل ریسک
• 50. بهینه‌سازی در اکسل
• 51. حل مسائل بهینه‌سازی خطی
• 52. نرم‌افزار Solver اکسل
• 53. کاربرد بهینه‌سازی در تخصیص منابع
• 54. مقدمه‌ای بر یادگیری تقویتی
• 55. مفاهیم پایه یادگیری تقویتی
• 56. کاربرد اکسل در مسائل ساده یادگیری تقویتی
• 57. مقدمه‌ای بر پردازش تصویر در علم داده
• 58. تحلیل آماری تصاویر با اکسل
• 59. نمایش هیستوگرام تصاویر
• 60. کاربرد اکسل در تحلیل داده‌های مکانی
• 61. نمایش داده‌های مکانی روی نقشه (با ابزارهای کمکی)
• 62. مقدمه‌ای بر داده‌کاوی (Data Mining)
• 63. قوانین وابستگی (Association Rules)
• 64. الگوریتم Apriori با رویکرد مفهومی
• 65. کاربرد قوانین وابستگی در تحلیل سبد خرید
• 66. مقدمه‌ای بر هوش مصنوعی
• 67. اخلاق در هوش مصنوعی
• 68. حریم خصوصی داده‌ها در علم داده
• 69. امنیت داده‌ها در اکسل
• 70. نکات و ترفندهای پیشرفته اکسل برای علم داده
• 71. استفاده از VBA برای اتوماسیون تحلیل‌ها
• 72. توابع سفارشی در VBA
• 73. مقدمه‌ای بر ادغام اکسل با ابزارهای دیگر
• 74. اتصال اکسل به پایگاه داده
• 75. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
• 76. شبکه‌های کانولوشنی (CNN) - مفهوم
• 77. شبکه‌های بازگشتی (RNN) - مفهوم
• 78. کاربرد اکسل در پروژه‌های کوچک علم داده
• 79. مثال عملی: تحلیل داده‌های فروش
• 80. مثال عملی: پیش‌بینی قیمت مسکن
• 81. مثال عملی: تحلیل داده‌های مشتریان
• 82. مقدمه‌ای بر یادگیری ماشین توضیحی (Explainable AI)
• 83. مفاهیم XAI
• 84. کاربرد اکسل در تفسیر مدل‌ها (بصورت ساده)
• 85. مدل‌های ترکیبی (Ensemble Models) - مفهوم
• 86. روش‌های Bagging و Boosting - مفهوم
• 87. کاربرد اکسل در تحلیل داده‌های شبکه‌های اجتماعی (مفاهیم)
• 88. تحلیل احساسات در شبکه‌های اجتماعی (مفهومی)
• 89. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 90. مدل‌سازی زبانی در NLP (مفهومی)
• 91. کاربرد اکسل در تحلیل داده‌های سلامت (مفاهیم)
• 92. تحلیل ریسک بیماری با داده‌های آماری
• 93. مقدمه‌ای بر اقتصاد سنجی با اکسل
• 94. رگرسیون چندگانه در اقتصاد سنجی
• 95. آزمون‌های فرض آماری در اقتصاد سنجی
• 96. کاربرد اکسل در تحلیل داده‌های مالی
• 97. محاسبه شاخص‌های مالی
• 98. تحلیل بازدهی سهام
• 99. مقدمه‌ای بر یادگیری ماشین در حوزه سلامت
• 100. پیش‌بینی شیوع بیماری با داده‌های آماری