دوره مقدمه‌ای بر آمار کاربردی با SciPy برای تحلیل داده همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر آمار کاربردی با SciPy برای تحلیل داده

موضوع کلی: علوم کامپیوتر و تحلیل داده

موضوع میانی: تحلیل آماری با زبان پایتون

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علم داده و آمار
• 2. مفاهیم پایه آمار توصیفی
• 3. جمع‌آوری و سازماندهی داده‌ها
• 4. نمایش داده‌ها با نمودارها
• 5. میانگین، میانه و نما
• 6. پراکندگی داده‌ها: واریانس و انحراف معیار
• 7. شاخص‌های مرکزی و پراکندگی
• 8. مقدمه‌ای بر آمار استنباطی
• 9. مفاهیم احتمال
• 10. توزیع‌های احتمال گسسته
• 11. توزیع دوجمله‌ای
• 12. توزیع پواسون
• 13. توزیع‌های احتمال پیوسته
• 14. توزیع نرمال
• 15. توزیع t استیودنت
• 16. توزیع کای-دو
• 17. توزیع فیشر
• 18. آزمون فرض آماری
• 19. مفهوم فرضیه صفر و فرضیه جایگزین
• 20. خطای نوع اول و نوع دوم
• 21. سطح معنی‌داری (آلفا)
• 22. مقدار پی (p-value)
• 23. آزمون‌های t تک‌نمونه‌ای
• 24. آزمون‌های t دو‌نمونه‌ای مستقل
• 25. آزمون‌های t زوجی
• 26. تحلیل واریانس یک‌طرفه (ANOVA)
• 27. آزمون‌های ناپارامتری
• 28. آزمون رتبه علامت‌دار ویلکاکسون
• 29. آزمون من-ویتنی یو
• 30. آزمون کروسکال-والیس
• 31. رگرسیون خطی ساده
• 32. مفهوم همبستگی
• 33. ضریب همبستگی پیرسون
• 34. رگرسیون خطی چندگانه
• 35. مفسر رگرسیون
• 36. مدل‌های خطی تعمیم‌یافته (GLM)
• 37. تحلیل سری‌های زمانی
• 38. مفاهیم پایه سری‌های زمانی
• 39. میانگین متحرک
• 40. هموارسازی نمایی
• 41. مدل‌های ARIMA
• 42. تحلیل اکتشافی داده‌ها (EDA)
• 43. شناسایی داده‌های پرت
• 44. پردازش داده‌های گمشده
• 45. استانداردسازی و نرمال‌سازی داده‌ها
• 46. تکنیک‌های کاهش ابعاد
• 47. تحلیل مولفه‌های اصلی (PCA)
• 48. تجزیه مقدار منفرد (SVD)
• 49. یادگیری ماشین با SciPy
• 50. طبقه‌بندی‌کننده‌ها
• 51. رگرسیون لجستیک
• 52. ماشین‌های بردار پشتیبان (SVM)
• 53. درخت‌های تصمیم
• 54. جنگل‌های تصادفی
• 55. خوشه‌بندی
• 56. الگوریتم K-Means
• 57. خوشه‌بندی سلسله مراتبی
• 58. ارزیابی مدل‌های یادگیری ماشین
• 59. متریک‌های ارزیابی طبقه‌بندی
• 60. متریک‌های ارزیابی رگرسیون
• 61. اعتبارسنجی متقابل
• 62. کاربرد SciPy در علوم کامپیوتر
• 63. عملیات برداری و ماتریسی با NumPy
• 64. بهینه‌سازی با SciPy.optimize
• 65. انتگرال‌گیری عددی با SciPy.integrate
• 66. حل معادلات دیفرانسیل با SciPy.integrate
• 67. پردازش سیگنال با SciPy.signal
• 68. پردازش تصویر با SciPy.ndimage
• 69. آمار پیشرفته با SciPy
• 70. آزمون‌های آماری پیشرفته
• 71. مدل‌های خطی تعمیم‌یافته (GLM) پیشرفته
• 72. روش‌های شبیه‌سازی مونت کارلو
• 73. تحلیل بقا
• 74. مقدمه‌ای بر استنتاج بیزی
• 75. نظریه بیز
• 76. روش‌های نمونه‌گیری مارکوف چین مونت کارلو (MCMC)
• 77. کاربرد آمار در تحلیل داده‌های بزرگ
• 78. مقدمه‌ای بر داده‌کاوی
• 79. قوانین انجمنی
• 80. کاوش داده‌های متنی
• 81. تحلیل احساسات
• 82. مقدمه‌ای بر یادگیری عمیق (اختیاری)
• 83. شبکه‌های عصبی کانولوشنال (CNN)
• 84. شبکه‌های عصبی بازگشتی (RNN)
• 85. مقدمه‌ای بر هوش مصنوعی
• 86. اخلاق در علم داده
• 87. حریم خصوصی داده‌ها
• 88. سوگیری در الگوریتم‌ها
• 89. مسئولیت‌پذیری در هوش مصنوعی
• 90. کاربرد آمار در شبکه‌های اجتماعی
• 91. تحلیل شبکه‌های اجتماعی
• 92. پیش‌بینی رفتار کاربر
• 93. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 94. نمایش کلمات (Word Embeddings)
• 95. تحلیل موضوعی
• 96. کاربرد آمار در امنیت سایبری
• 97. شناسایی نفوذ
• 98. تحلیل رفتاری
• 99. مقدمه‌ای بر سیستم‌های توصیه‌گر
• 100. فیلترینگ مشارکتی