فلش‌کارت‌های آموزشی تحلیل آماری پیشرفته با SAS: از مقدماتی تا کاربردهای تخصصی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل آماری پیشرفته با SAS: از مقدماتی تا کاربردهای تخصصی

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: تحلیل آماری پیشرفته با نرم‌افزارهای تخصصی

📋 سرفصل‌های دوره

• 1. مقدمه ای بر تحلیل آماری پیشرفته
• 2. مفاهیم کلیدی در تحلیل داده
• 3. مقدمه ای بر نرم افزار SAS
• 4. آشنایی با محیط SAS Enterprise Guide
• 5. ساختار داده ها در SAS
• 6. مدیریت داده ها در SAS
• 7. خواندن و نوشتن فایل های داده
• 8. پاکسازی و پیش پردازش داده ها
• 9. تکنیک های نمونه گیری آماری
• 10. آمار توصیفی با SAS
• 11. نمودارهای آماری در SAS
• 12. آزمون های فرض آماری
• 13. مقدمه ای بر توزیع های آماری
• 14. توزیع نرمال و کاربردهای آن
• 15. توزیع t استیودنت
• 16. توزیع کای دو
• 17. توزیع F
• 18. تحلیل واریانس یک طرفه (ANOVA)
• 19. آزمون های تعقیبی در ANOVA
• 20. تحلیل واریانس دو طرفه
• 21. مقدمه ای بر رگرسیون خطی
• 22. مدل رگرسیون خطی ساده
• 23. ارزیابی مدل رگرسیون خطی
• 24. تحلیل باقی مانده ها در رگرسیون
• 25. رگرسیون خطی چندگانه
• 26. انتخاب متغیر در رگرسیون
• 27. مدل های خطی تعمیم یافته (GLM)
• 28. تحلیل کوواریانس (ANCOVA)
• 29. مقدمه ای بر مدل های خطی مختلط (LMM)
• 30. کاربرد LMM در داده های تکراری
• 31. مقدمه ای بر تحلیل سری های زمانی
• 32. مدل های ARIMA
• 33. پیش بینی در سری های زمانی
• 34. تحلیل عاملی اکتشافی (EFA)
• 35. تحلیل عامل تاییدی (CFA)
• 36. مقدمه ای بر مدل های معادلات ساختاری (SEM)
• 37. کاربرد SEM در علوم اجتماعی
• 38. مقدمه ای بر تحلیل خوشه ای
• 39. الگوریتم K-Means
• 40. مقدمه ای بر تحلیل تمایز
• 41. تحلیل تبعیض خطی
• 42. مقدمه ای بر تحلیل بقا
• 43. مدل کاکس پروپرشنال هازاردز
• 44. مقدمه ای بر تحلیل داده های طبقه بندی شده
• 45. مدل های لجستیک دوتایی
• 46. مدل های لجستیک چندگانه
• 47. مدل های ترتیبی
• 48. مقدمه ای بر روش های نمونه گیری مجدد (Resampling)
• 49. بوت استرپ (Bootstrap)
• 50. تکنیک های اعتبارسنجی متقابل (Cross-validation)
• 51. مقدمه ای بر یادگیری ماشین
• 52. طبقه بندی با ماشین بردار پشتیبان (SVM)
• 53. درخت تصمیم (Decision Trees)
• 54. جنگل تصادفی (Random Forests)
• 55. گرادیان بوستینگ (Gradient Boosting)
• 56. شبکه های عصبی مصنوعی (ANN)
• 57. مقدمه ای بر یادگیری عمیق (Deep Learning)
• 58. شبکه های عصبی کانولوشنی (CNN)
• 59. شبکه های عصبی بازگشتی (RNN)
• 60. کاربرد هوش مصنوعی در تحلیل داده
• 61. مقدمه ای بر آمار بیزی
• 62. مقدمه ای بر مدل های بیزی خطی
• 63. مقدمه ای بر مدل های بیزی سلسله مراتبی
• 64. مقدمه ای بر تحلیل داده های مکانی
• 65. مقدمه ای بر GIS و SAS
• 66. تحلیل داده های جغرافیایی با SAS
• 67. مقدمه ای بر آمار زیستی
• 68. کاربرد SAS در کارآزمایی های بالینی
• 69. مقدمه ای بر آمار اقتصادی
• 70. کاربرد SAS در تحلیل داده های اقتصادی
• 71. مقدمه ای بر آمار بازاریابی
• 72. تحلیل رفتار مشتری با SAS
• 73. مقدمه ای بر آمار مالی
• 74. تحلیل ریسک با SAS
• 75. مقدمه ای بر آمار صنعتی
• 76. کنترل کیفیت آماری با SAS
• 77. مقدمه ای بر آمار محیط زیست
• 78. تحلیل داده های اقلیمی با SAS
• 79. مقدمه ای بر آمار اجتماعی
• 80. تحلیل پیمایش های اجتماعی با SAS
• 81. مقدمه ای بر آمار آموزشی
• 82. ارزیابی برنامه های آموزشی با SAS
• 83. مقدمه ای بر آمار ورزشی
• 84. تحلیل عملکرد ورزشکاران با SAS
• 85. مقدمه ای بر آمار حقوقی
• 86. تحلیل داده های قضایی با SAS
• 87. مقدمه ای بر آمار گردشگری
• 88. تحلیل روند گردشگری با SAS
• 89. مقدمه ای بر آمار کتابخانه ای
• 90. تحلیل داده های کتابخانه ای با SAS
• 91. مقدمه ای بر آمار هنری
• 92. تحلیل داده های هنری با SAS
• 93. مقدمه ای بر آمار فرهنگی
• 94. تحلیل داده های فرهنگی با SAS
• 95. مقدمه ای بر آمار جامعه شناسی
• 96. تحلیل پدیده های اجتماعی با SAS
• 97. مقدمه ای بر آمار روانشناسی
• 98. تحلیل داده های روانشناختی با SAS
• 99. مقدمه ای بر آمار ارتباطات
• 100. تحلیل داده های ارتباطی با SAS