دوره روش‌های آماری پیشرفته در تحلیل داده‌ها همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره روش‌های آماری پیشرفته در تحلیل داده‌ها

موضوع کلی: علوم ریاضی و کاربردی

موضوع میانی: آمار و احتمالات

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده‌ها و آمار
• 2. مفاهیم پایه احتمال
• 3. متغیرهای تصادفی و توزیع‌ها
• 4. توزیع‌های گسسته رایج
• 5. توزیع‌های پیوسته رایج
• 6. امید ریاضی و واریانس
• 7. قضیه حد مرکزی
• 8. نمونه‌گیری و توزیع‌های نمونه‌ای
• 9. برآورد پارامترها
• 10. فاصله‌های اطمینان
• 11. آزمون فرض آماری
• 12. آزمون فرض برای میانگین یک جامعه
• 13. آزمون فرض برای نسبت یک جامعه
• 14. آزمون فرض برای واریانس یک جامعه
• 15. مقایسه میانگین دو جامعه مستقل
• 16. مقایسه میانگین دو جامعه وابسته
• 17. مقایسه نسبت دو جامعه
• 18. تحلیل واریانس یک‌طرفه (ANOVA)
• 19. تحلیل واریانس دوطرفه
• 20. رگرسیون خطی ساده
• 21. برآورد پارامترهای رگرسیون
• 22. آزمون فرض در رگرسیون خطی ساده
• 23. پیش‌بینی در رگرسیون خطی ساده
• 24. رگرسیون خطی چندگانه
• 25. انتخاب مدل در رگرسیون چندگانه
• 26. مدل‌های خطی تعمیم‌یافته (GLM)
• 27. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته
• 28. توزیع پواسون و مدل‌های آن
• 29. مدل‌های رگرسیون لجستیک
• 30. کاربرد رگرسیون لجستیک در تحلیل داده‌ها
• 31. تحلیل سری‌های زمانی: مفاهیم پایه
• 32. مدل‌های ARIMA
• 33. فصل‌بندی و تشخیص مدل در سری‌های زمانی
• 34. پیش‌بینی در سری‌های زمانی
• 35. مقدمه‌ای بر روش‌های ناپارامتری
• 36. آزمون کای‌دو برای استقلال
• 37. آزمون کای‌دو برای نیکویی برازش
• 38. آزمون رتبه‌ای ویلکاکسون
• 39. آزمون مان-ویتنی یو
• 40. تحلیل بقا: مفاهیم پایه
• 41. تابع بقا و تابع خطر
• 42. تخمین کاپلان-مایر
• 43. آزمون رتبه‌مان
• 44. تحلیل بقا با رگرسیون کوکس
• 45. مقدمه‌ای بر تحلیل داده‌های حجیم
• 46. پردازش و پاکسازی داده‌های حجیم
• 47. نمونه‌برداری در داده‌های حجیم
• 48. روش‌های یادگیری ماشین در تحلیل آماری
• 49. یادگیری نظارت شده
• 50. یادگیری بدون نظارت
• 51. خوشه‌بندی (Clustering)
• 52. دسته‌بندی (Classification)
• 53. شبکه‌های عصبی مصنوعی
• 54. یادگیری عمیق (Deep Learning)
• 55. کاربرد یادگیری عمیق در تحلیل داده‌ها
• 56. تحلیل داده‌های مکانی (Spatial Data Analysis)
• 57. مدل‌های آماری برای داده‌های مکانی
• 58. تحلیل داده‌های شبکه‌ای (Network Analysis)
• 59. مقدمه‌ای بر آمار بیزی
• 60. قضیه بیز
• 61. توزیع پیشین و پسین
• 62. روش‌های شبیه‌سازی مارکوف چین مونت کارلو (MCMC)
• 63. کاربرد آمار بیزی در تحلیل داده‌ها
• 64. طراحی آزمایش‌ها (Design of Experiments - DOE)
• 65. مبانی طراحی آزمایش‌ها
• 66. طرح عاملی کامل
• 67. طرح عاملی کسری
• 68. طرح بلوکی تصادفی
• 69. طرح مربع لاتین
• 70. طرح سطح پاسخ (Response Surface Methodology)
• 71. مقدمه‌ای بر آماره‌های ترتیبی
• 72. کاربرد آماره‌های ترتیبی
• 73. تحلیل داده‌های کیفی
• 74. آزمون‌های آماری برای داده‌های کیفی
• 75. مقدمه‌ای بر آمار زیستی
• 76. کاربردهای آماری در علوم پزشکی
• 77. مطالعات مشاهده‌ای در آمار زیستی
• 78. مطالعات تجربی در آمار زیستی
• 79. کاربردهای آماری در مهندسی
• 80. روش‌های آماری در کنترل کیفیت
• 81. کاربردهای آماری در علوم اقتصادی
• 82. مدل‌های اقتصادسنجی پایه
• 83. تحلیل آماری در علوم اجتماعی
• 84. کاربردهای آماری در علوم محیطی
• 85. مقدمه‌ای بر شبیه‌سازی آماری
• 86. کاربرد شبیه‌سازی در مسائل پیچیده
• 87. تولید اعداد تصادفی
• 88. شبیه‌سازی مونت کارلو برای مسائل آماری
• 89. مقدمه‌ای بر آمار فضایی-زمانی
• 90. تحلیل داده‌های فضایی-زمانی
• 91. مقدمه‌ای بر آمار مالی
• 92. مدل‌های قیمت‌گذاری دارایی‌ها
• 93. تحلیل آماری در بازارهای مالی
• 94. کاربردهای آماری در مدیریت ریسک
• 95. مقدمه‌ای بر داده‌کاوی (Data Mining)
• 96. الگوریتم‌های پیشرو در داده‌کاوی
• 97. کاربرد داده‌کاوی در کشف الگوها
• 98. مقدمه‌ای بر استنتاج آماری پیشرفته
• 99. روش‌های جدید در استنتاج آماری
• 100. تحلیل آماری در داده‌های غیرنرمال