دوره تحلیل پیشرفته داده‌ها با اکسل: از آمار توصیفی تا مدل‌سازی آماری همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل پیشرفته داده‌ها با اکسل: از آمار توصیفی تا مدل‌سازی آماری

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: تحلیل داده و ابزارهای آماری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده در علوم کامپیوتر
• 2. مفاهیم پایه آمار توصیفی
• 3. نمایش داده‌ها با جداول و نمودارها در اکسل
• 4. میانگین، میانه و مد: معیارهای مرکزی
• 5. واریانس و انحراف معیار: معیارهای پراکندگی
• 6. صدک‌ها و چارک‌ها: درک توزیع داده‌ها
• 7. مقدمه‌ای بر توزیع‌های احتمال
• 8. توزیع نرمال و کاربردهای آن
• 9. توزیع دوجمله‌ای و کاربردهای آن
• 10. توزیع پواسون و کاربردهای آن
• 11. مقدمه‌ای بر آمار استنباطی
• 12. نمونه‌گیری و خطای نمونه‌گیری
• 13. مفاهیم آزمون فرض آماری
• 14. خطای نوع اول و نوع دوم
• 15. آزمون t تک‌نمونه‌ای در اکسل
• 16. آزمون t دو‌نمونه‌ای مستقل در اکسل
• 17. آزمون t زوجی در اکسل
• 18. آزمون کای‌دو برای استقلال در اکسل
• 19. تحلیل واریانس (ANOVA) یک‌طرفه در اکسل
• 20. مقدمه‌ای بر رگرسیون خطی ساده
• 21. تخمین پارامترهای رگرسیون خطی
• 22. ارزیابی مدل رگرسیون خطی
• 23. پیش‌بینی با رگرسیون خطی
• 24. مقدمه‌ای بر همبستگی
• 25. ضریب همبستگی پیرسون در اکسل
• 26. تفسیر ضریب همبستگی
• 27. مقدمه‌ای بر رگرسیون خطی چندگانه
• 28. انتخاب متغیر در رگرسیون چندگانه
• 29. ارزیابی مدل رگرسیون چندگانه
• 30. مقدمه‌ای بر سری‌های زمانی
• 31. تجزیه سری‌های زمانی
• 32. پیش‌بینی با استفاده از سری‌های زمانی
• 33. مقدمه‌ای بر تحلیل اکتشافی داده‌ها (EDA)
• 34. تکنیک‌های بصری‌سازی پیشرفته در اکسل
• 35. شناسایی داده‌های پرت (Outliers)
• 36. روش‌های برخورد با داده‌های پرت
• 37. مقدمه‌ای بر مدل‌سازی آماری
• 38. مدل‌های خطی تعمیم‌یافته (GLM)
• 39. رگرسیون لجستیک در اکسل
• 40. رگرسیون پواسون در اکسل
• 41. مقدمه‌ای بر یادگیری ماشین با رویکرد آماری
• 42. طبقه‌بندی‌کننده بیز ساده (Naive Bayes)
• 43. درختان تصمیم (Decision Trees)
• 44. مقدمه‌ای بر خوشه‌بندی (Clustering)
• 45. الگوریتم K-Means در اکسل
• 46. مقدمه‌ای بر کاهش ابعاد
• 47. تحلیل مؤلفه‌های اصلی (PCA)
• 48. مقدمه‌ای بر سنجش کیفیت داده‌ها
• 49. پاکسازی داده‌ها در اکسل
• 50. اعتبارسنجی داده‌ها
• 51. مقدمه‌ای بر تحلیل بقا
• 52. تابع بقا و تابع خطر
• 53. مدل کاکس (Cox Proportional Hazards Model)
• 54. مقدمه‌ای بر شبیه‌سازی مونت کارلو
• 55. پیاده‌سازی شبیه‌سازی مونت کارلو در اکسل
• 56. کاربرد شبیه‌سازی در ارزیابی ریسک
• 57. مقدمه‌ای بر آمار بیزی
• 58. مفاهیم اولیه احتمال بیزی
• 59. کاربرد آمار بیزی در مدل‌سازی
• 60. مقدمه‌ای بر آزمون‌های ناپارامتری
• 61. آزمون ویلکاکسون رتبه علامت‌دار
• 62. آزمون مان-ویتنی یو
• 63. آزمون کروسکال-والیس
• 64. آزمون اسپیرمن برای رتبه
• 65. مقدمه‌ای بر تحلیل عاملی
• 66. مقدمه‌ای بر تحلیل مسیر
• 67. مقدمه‌ای بر مدل‌سازی معادلات ساختاری (SEM)
• 68. مقدمه‌ای بر تحلیل داده‌های مکانی
• 69. مقدمه‌ای بر تحلیل داده‌های شبکه‌ای
• 70. مقدمه‌ای بر بهینه‌سازی با استفاده از ابزارهای آماری
• 71. استفاده از توابع بهینه‌سازی در اکسل
• 72. مقدمه‌ای بر تحلیل ریسک کمی
• 73. مدل‌سازی سناریو در اکسل
• 74. تحلیل حساسیت در مدل‌های آماری
• 75. مقدمه‌ای بر تفسیر نتایج آماری در حوزه‌های علمی
• 76. اصول گزارش‌دهی نتایج آماری
• 77. نمایش گرافیکی نتایج پیچیده
• 78. مقدمه‌ای بر ابزارهای پیشرفته تحلیل داده در اکسل
• 79. استفاده از Power Query برای آماده‌سازی داده
• 80. استفاده از Power Pivot برای مدل‌سازی داده
• 81. مقدمه‌ای بر مبانی نرم‌افزارهای آماری تخصصی
• 82. نرم‌افزار R برای تحلیل آماری
• 83. نرم‌افزار SPSS برای تحلیل آماری
• 84. مقدمه‌ای بر اخلاق در تحلیل داده
• 85. مسائل حریم خصوصی داده‌ها
• 86. سوگیری در الگوریتم‌های آماری
• 87. مقدمه‌ای بر کاربردهای تحلیل داده در هوش مصنوعی
• 88. شبکه‌های عصبی و تحلیل داده
• 89. یادگیری عمیق و داده‌کاوی
• 90. مقدمه‌ای بر مدیریت پروژه‌های تحلیل داده
• 91. فازهای پروژه تحلیل داده
• 92. ارزیابی موفقیت پروژه‌های تحلیل داده
• 93. مقدمه‌ای بر چارچوب‌های تحلیل داده در سازمان‌ها
• 94. ساختار تیم‌های تحلیل داده
• 95. فرهنگ داده‌محور در سازمان
• 96. مقدمه‌ای بر روندهای آینده در تحلیل داده
• 97. کلان‌داده و تحلیل آن
• 98. اینترنت اشیاء (IoT) و داده‌های آن
• 99. هوش مصنوعی مولد و تحلیل داده
• 100. مقدمه‌ای بر تحلیل داده‌های مالی