فلش‌کارت‌های آموزشی راهنمای جامع تحلیل داده با SAS: از مبانی تا تخصص

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع تحلیل داده با SAS: از مبانی تا تخصص

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: تحلیل داده با نرم‌افزارهای آماری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم داده و SAS
• 2. نصب و راه‌اندازی SAS
• 3. آشنایی با محیط SAS
• 4. مفاهیم اولیه SAS
• 5. ساختارهای داده در SAS
• 6. ورود داده‌ها به SAS
• 7. انواع داده‌ها و متغیرها
• 8. مدیریت داده‌ها در SAS
• 9. پایگاه‌های داده SAS
• 10. ساخت و ویرایش مجموعه داده‌ها
• 11. دستورات مقدماتی SAS
• 12. عملیات بر روی متغیرها
• 13. توابع آماری در SAS
• 14. دستور PROC FREQ
• 15. دستور PROC MEANS
• 16. دستور PROC SUMMARY
• 17. تحلیل اکتشافی داده‌ها
• 18. بصری‌سازی داده‌ها در SAS
• 19. نمودارهای میله‌ای و دایره‌ای
• 20. نمودارهای پراکندگی
• 21. نمودارهای خطی
• 22. مقدمه‌ای بر رگرسیون خطی
• 23. رگرسیون خطی ساده
• 24. تفسیر نتایج رگرسیون
• 25. مفاهیم پیشرفته رگرسیون
• 26. رگرسیون چندگانه
• 27. انتخاب متغیر در رگرسیون
• 28. مقدمه‌ای بر تحلیل واریانس (ANOVA)
• 29. ANOVA یک‌طرفه
• 30. ANOVA دوطرفه
• 31. آزمون‌های تعقیبی در ANOVA
• 32. مقدمه‌ای بر آزمون‌های ناپارامتری
• 33. آزمون رتبه علامت‌دار ویلکاکسون
• 34. آزمون من-ویتنی یو
• 35. آزمون کروسکال-والیس
• 36. مقدمه‌ای بر تحلیل سری‌های زمانی
• 37. فصل‌بندی داده‌ها در SAS
• 38. هموارسازی سری‌های زمانی
• 39. مدل‌های ARIMA
• 40. پیش‌بینی با مدل‌های سری زمانی
• 41. مقدمه‌ای بر خوشه‌بندی
• 42. الگوریتم K-Means
• 43. ارزیابی خوشه‌بندی
• 44. مقدمه‌ای بر تحلیل عاملی
• 45. تحلیل مؤلفه‌های اصلی
• 46. تفسیر عوامل
• 47. مقدمه‌ای بر تحلیل تشخیصی
• 48. مدل رگرسیون لجستیک
• 49. تفسیر نتایج رگرسیون لجستیک
• 50. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته
• 51. مدل‌های پواسون
• 52. مدل‌های دوجمله‌ای منفی
• 53. مقدمه‌ای بر یادگیری ماشین
• 54. یادگیری نظارت‌شده
• 55. یادگیری نظارت‌نشده
• 56. مقدمه‌ای بر درختان تصمیم
• 57. ساخت درخت تصمیم
• 58. برش و بهینه‌سازی درخت
• 59. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
• 60. کاربرد SVM در طبقه‌بندی
• 61. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 62. معماری شبکه‌های عصبی
• 63. آموزش شبکه‌های عصبی
• 64. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 65. پردازش متن در SAS
• 66. تحلیل احساسات
• 67. استخراج کلیدواژه
• 68. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
• 69. مفاهیم اولیه گراف
• 70. تحلیل مرکزی در شبکه‌ها
• 71. شناسایی جوامع
• 72. مقدمه‌ای بر تحلیل داده‌های مکانی
• 73. سیستم‌های اطلاعات جغرافیایی (GIS)
• 74. تحلیل مکانی در SAS
• 75. مصورسازی داده‌های مکانی
• 76. مقدمه‌ای بر بهینه‌سازی
• 77. برنامه‌ریزی خطی
• 78. حل مسائل بهینه‌سازی
• 79. مقدمه‌ای بر شبیه‌سازی
• 80. شبیه‌سازی مونت کارلو
• 81. تولید اعداد تصادفی
• 82. ارزیابی نتایج شبیه‌سازی
• 83. مقدمه‌ای بر داده‌کاوی
• 84. قواعد وابستگی
• 85. قواعد انجمنی
• 86. قواعد ترتیبی
• 87. مقدمه‌ای بر مدیریت کیفیت داده‌ها
• 88. پاکسازی داده‌ها
• 89. اعتبارسنجی داده‌ها
• 90. اعتمادسازی داده‌ها
• 91. مقدمه‌ای بر اخلاق در علوم داده
• 92. حریم خصوصی داده‌ها
• 93. سوگیری در الگوریتم‌ها
• 94. مسئولیت‌پذیری در علوم داده
• 95. کاربردهای عملی SAS در صنایع
• 96. تحلیل داده‌های مالی
• 97. تحلیل داده‌های بازاریابی
• 98. تحلیل داده‌های سلامت
• 99. تحلیل داده‌های دولتی
• 100. پروژه‌های عملی SAS