دوره آمار توصیفی و استنباطی برای تحلیل داده‌ها همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آمار توصیفی و استنباطی برای تحلیل داده‌ها

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: مبانی آمار و احتمالات در علوم داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم داده و تحلیل آماری
• 2. تعریف علم داده و کاربردهای آن
• 3. نقش آمار در علوم داده
• 4. مروری بر مفاهیم پایه ریاضی
• 5. مجموعه‌ها و نمادگذاری‌های ریاضی
• 6. تابع و انواع توابع
• 7. سیستم اعداد حقیقی
• 8. مفاهیم پایه جبر
• 9. مقدمه‌ای بر احتمالات
• 10. تعریف احتمال و فضای نمونه
• 11. قوانین احتمال پایه
• 12. احتمال شرطی و استقلال
• 13. قضیه بیز
• 14. متغیرهای تصادفی گسسته
• 15. توزیع‌های گسسته رایج (برنولی، دوجمله‌ای)
• 16. توزیع پواسون
• 17. توزیع هندسی
• 18. متغیرهای تصادفی پیوسته
• 19. توزیع یکنواخت
• 20. توزیع نمایی
• 21. توزیع نرمال
• 22. توزیع گاما
• 23. توزیع بتا
• 24. امید ریاضی و واریانس
• 25. امید ریاضی متغیر تصادفی
• 26. واریانس متغیر تصادفی
• 27. کوواریانس و همبستگی
• 28. قضیه حد مرکزی
• 29. آمار توصیفی
• 30. جمع‌آوری و سازماندهی داده‌ها
• 31. انواع داده‌ها (کمی، کیفی)
• 32. جداول توزیع فراوانی
• 33. نمودارهای توصیفی (هیستوگرام، نمودار میله‌ای)
• 34. نمودار جعبه‌ای
• 35. مقیاس‌های مرکزی (میانگین، میانه، نما)
• 36. مقیاس‌های پراکندگی (دامنه، واریانس، انحراف معیار)
• 37. صدک‌ها و چارک‌ها
• 38. تصویرسازی داده‌ها
• 39. مفاهیم پایه استنباط آماری
• 40. جامعه و نمونه
• 41. روش‌های نمونه‌گیری احتمالی
• 42. روش‌های نمونه‌گیری غیر احتمالی
• 43. برآورد پارامترهای جامعه
• 44. برآورد نقطه‌ای
• 45. برآورد فاصله‌ای (فاصله اطمینان)
• 46. فاصله اطمینان برای میانگین
• 47. فاصله اطمینان برای نسبت
• 48. آزمون فرض آماری
• 49. مفاهیم پایه آزمون فرض
• 50. خطای نوع اول و دوم
• 51. سطح معنی‌داری
• 52. آزمون فرض برای میانگین (تک نمونه‌ای)
• 53. آزمون فرض برای میانگین (دو نمونه‌ای مستقل)
• 54. آزمون فرض برای میانگین (دو نمونه‌ای زوج)
• 55. آزمون فرض برای نسبت
• 56. آزمون کای‌دو
• 57. آزمون استقلال کای‌دو
• 58. آزمون برازش کای‌دو
• 59. رگرسیون خطی ساده
• 60. مفهوم رگرسیون
• 61. برآورد پارامترهای رگرسیون
• 62. آزمون فرض برای ضرایب رگرسیون
• 63. ضریب تعیین
• 64. رگرسیون خطی چندگانه
• 65. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته
• 66. مدل‌های خطی تعمیم‌یافته (GLM)
• 67. رگرسیون لجستیک
• 68. کاربرد رگرسیون لجستیک در علوم داده
• 69. آموزش مدل‌های یادگیری ماشین با رویکرد آماری
• 70. ارزیابی مدل‌های آماری
• 71. اعتبارسنجی متقابل (Cross-validation)
• 72. معیارهای ارزیابی مدل (دقت، صحت، بازیابی)
• 73. تحلیل سری‌های زمانی (مقدماتی)
• 74. مقدمه‌ای بر تحلیل سری‌های زمانی
• 75. مولفه‌های سری زمانی
• 76. پیش‌بینی سری‌های زمانی (مقدماتی)
• 77. کاربرد تکنیک‌های آماری در یادگیری عمیق
• 78. مقدمه‌ای بر شبکه‌های عصبی
• 79. نحوه آموزش شبکه‌های عصبی با رویکرد آماری
• 80. تحلیل عاملی و خوشه‌بندی (مقدماتی)
• 81. مقدمه‌ای بر کاهش بعد
• 82. تحلیل مولفه‌های اصلی (PCA)
• 83. مقدمه‌ای بر خوشه‌بندی
• 84. کابرد روش‌های آماری در پردازش زبان طبیعی
• 85. مقدمه‌ای بر پردازش زبان طبیعی
• 86. مدل‌سازی موضوعی (Topic Modeling)
• 87. کاربرد روش‌های آماری در بینایی ماشین
• 88. مقدمه‌ای بر بینایی ماشین
• 89. تشخیص اشیاء با رویکرد آماری
• 90. آمار در حوزه داده‌های بزرگ (Big Data)
• 91. چالش‌های آماری در داده‌های بزرگ
• 92. ابزارهای آماری برای داده‌های بزرگ
• 93. ملاحظات اخلاقی در تحلیل داده‌ها
• 94. حریم خصوصی داده‌ها
• 95. سوگیری در الگوریتم‌ها
• 96. کاربرد آمار در تصمیم‌گیری کسب‌وکار
• 97. تحلیل مشتریان
• 98. پیش‌بینی فروش
• 99. مدیریت ریسک با رویکرد آماری
• 100. مقدمه‌ای بر آمار بیزی