فلش‌کارت‌های آموزشی مبانی استنتاج آماری برای تحلیل داده‌ها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی استنتاج آماری برای تحلیل داده‌ها

موضوع کلی: علوم داده و آمار

موضوع میانی: استنتاج آماری در علوم داده

📋 سرفصل‌های دوره

• 1. مبانی احتمال و نظریه conjuntos
• 2. فضاهای احتمال و متغیرهای تصادفی
• 3. توزیع‌های احتمال گسسته
• 4. توزیع‌های احتمال پیوسته
• 5. امید ریاضی و واریانس
• 6. قوانین شرطی و استقلال
• 7. قضیه حد مرکزی
• 8. مقدمه‌ای بر توزیع‌های چندمتغیره
• 9. همبستگی و کوواریانس
• 10. مقدمه‌ای بر استنتاج آماری
• 11. برآوردگرها و خواص آن‌ها
• 12. روش حداکثر درستنمایی
• 13. روش گشتاورها
• 14. فاصله‌های اطمینان
• 15. آزمون فرض آماری
• 16. مفهوم p-value
• 17. آزمون فرضیه برای میانگین (تک نمونه‌ای)
• 18. آزمون فرضیه برای میانگین (دو نمونه‌ای مستقل)
• 19. آزمون فرضیه برای میانگین (دو نمونه‌ای زوج)
• 20. آزمون فرضیه برای نسبت (تک نمونه‌ای)
• 21. آزمون فرضیه برای نسبت (دو نمونه‌ای)
• 22. آزمون مربع کای (Chi-squared) برای استقلال
• 23. آزمون مربع کای برای برازش (Goodness-of-fit)
• 24. مقدمه‌ای بر رگرسیون خطی ساده
• 25. برآورد پارامترها در رگرسیون خطی
• 26. آزمون فرضیه در رگرسیون خطی
• 27. فاصله‌های اطمینان در رگرسیون خطی
• 28. تحلیل واریانس (ANOVA) یک‌طرفه
• 29. مقدمه‌ای بر تحلیل واریانس دوطرفه
• 30. استنتاج در مدل‌های خطی تعمیم‌یافته (GLMs)
• 31. مقدمه‌ای بر روش‌های بیزی در آمار
• 32. قضیه بیز و توزیع پسین
• 33. استنتاج بیزی برای پارامترها
• 34. مقدمه‌ای بر مدل‌های سری زمانی
• 35. شناسایی و برازش مدل‌های ARIMA
• 36. پیش‌بینی در مدل‌های سری زمانی
• 37. مقدمه‌ای بر تحلیل بقا
• 38. توابع بقا و خطر
• 39. برآورد تابع بقا
• 40. استنتاج در مدل‌های رگرسیون بقا (کاکس)
• 41. مقدمه‌ای بر استنتاج غیرپارامتری
• 42. آزمون رتبه علامت‌دار ویلکاکسون
• 43. آزمون من-ویتنی یو
• 44. آزمون کروسکال-والیس
• 45. مقدمه‌ای بر روش‌های نمونه‌گیری
• 46. نمونه‌گیری تصادفی ساده
• 47. نمونه‌گیری طبقه‌ای
• 48. نمونه‌گیری خوشه‌ای
• 49. مقدمه‌ای بر تحلیل عامل
• 50. تحلیل عامل اکتشافی
• 51. تحلیل عامل تأییدی
• 52. مقدمه‌ای بر تحلیل خوشه‌ای
• 53. الگوریتم k-means
• 54. خوشه‌بندی سلسله‌مراتبی
• 55. مقدمه‌ای بر روش‌های مونت کارلو
• 56. شبیه‌سازی مونت کارلو
• 57. کاربرد روش‌های مونت کارلو در استنتاج
• 58. مقدمه‌ای بر مدل‌های خطای طبقه‌بندی
• 59. مدل‌های لجستیک برای داده‌های دوتایی
• 60. مدل‌های چندنامی برای داده‌های طبقه‌بندی
• 61. مقدمه‌ای بر تحلیل داده‌های پانل
• 62. مدل اثرات ثابت
• 63. مدل اثرات تصادفی
• 64. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
• 65. شاخص‌های مرکزیت در شبکه‌های اجتماعی
• 66. تحلیل جامعه در شبکه‌های اجتماعی
• 67. مقدمه‌ای بر یادگیری ماشین آماری
• 68. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
• 69. مقدمه‌ای بر درختان تصمیم
• 70. مقدمه‌ای بر جنگل‌های تصادفی
• 71. مقدمه‌ای بر تقویت گرادیان (Gradient Boosting)
• 72. استنتاج در مدل‌های پیش‌بینی‌کننده
• 73. ارزیابی مدل‌های پیش‌بینی‌کننده
• 74. اعتبار سنجی متقابل (Cross-validation)
• 75. تنظیم ابرپارامترها (Hyperparameter tuning)
• 76. مقدمه‌ای بر تحلیل داده‌های متنی
• 77. مدل‌سازی موضوعی (Topic modeling)
• 78. تحلیل احساسات (Sentiment analysis)
• 79. مقدمه‌ای بر استنتاج علت و معلولی
• 80. طراحی آزمایش‌ها برای استنتاج علت و معلولی
• 81. روش‌های مشاهده‌ای برای استنتاج علت و معلولی
• 82. مقدمه‌ای بر استنتاج در حضور داده‌های گمشده
• 83. روش‌های پر کردن داده‌های گمشده
• 84. استنتاج بیزی در حضور داده‌های گمشده
• 85. مقدمه‌ای بر استنتاج برای داده‌های حجیم (Big Data)
• 86. چالش‌های استنتاج در داده‌های حجیم
• 87. ابزارها و تکنیک‌های استنتاج برای داده‌های حجیم
• 88. مقدمه‌ای بر اخلاق در استنتاج آماری
• 89. سوگیری و انصاف در مدل‌های آماری
• 90. حریم خصوصی در تحلیل داده‌ها
• 91. کاربردهای استنتاج آماری در کسب و کار
• 92. کاربردهای استنتاج آماری در بهداشت و درمان
• 93. کاربردهای استنتاج آماری در علوم اجتماعی
• 94. مقدمه‌ای بر نرم‌افزارهای آماری
• 95. تکنیک‌های پیشرفته در R برای استنتاج
• 96. کاربرد Python در استنتاج آماری
• 97. نکات پایانی در تحلیل داده‌ها و استنتاج