کتاب صوتی آمار توصیفی: کلید فهم داده‌ها برای علوم داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آمار توصیفی: کلید فهم داده‌ها برای علوم داده

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: آمار توصیفی (Descriptive Statistics)

📋 سرفصل‌های دوره

• 1. فصل ۱: مقدمه ای بر علم داده و نقش آمار
• 2. فصل ۲: چرا آمار توصیفی مهم است؟
• 3. فصل ۳: مفاهیم پایه: جامعه و نمونه
• 4. فصل ۴: متغیرها: انواع و مقیاس ها
• 5. فصل ۵: توزیع فراوانی: نمایش داده ها
• 6. فصل ۶: نمودار میله ای: نمایش داده های کیفی
• 7. فصل ۷: نمودار دایره ای: نمایش سهم ها
• 8. فصل ۸: هیستوگرام: نمایش توزیع داده های کمی
• 9. فصل ۹: نمودار جعبه ای: نمایش پنج عددی خلاصه
• 10. فصل ۱۰: نمودار پراکندگی: بررسی رابطه بین دو متغیر
• 11. فصل ۱۱: معیارهای گرایش مرکزی: میانگین
• 12. فصل ۱۲: معیارهای گرایش مرکزی: میانه
• 13. فصل ۱۳: معیارهای گرایش مرکزی: مد
• 14. فصل ۱۴: معیارهای پراکندگی: دامنه
• 15. فصل ۱۵: معیارهای پراکندگی: دامنه میان چارکی
• 16. فصل ۱۶: معیارهای پراکندگی: واریانس
• 17. فصل ۱۷: معیارهای پراکندگی: انحراف معیار
• 18. فصل ۱۸: معیارهای پراکندگی: ضریب تغییرات
• 19. فصل ۱۹: شکل توزیع: چولگی
• 20. فصل ۲۰: شکل توزیع: کشیدگی
• 21. فصل ۲۱: صدک ها و چارک ها
• 22. فصل ۲۲: پنج عدد خلاصه و نمودار جعبه ای
• 23. فصل ۲۳: داده های پرت: شناسایی و برخورد
• 24. فصل ۲۴: جمع آوری داده ها: روش ها
• 25. فصل ۲۵: پاکسازی داده ها: شناسایی خطاها
• 26. فصل ۲۶: تبدیل داده ها: نرمال سازی
• 27. فصل ۲۷: تبدیل داده ها: استانداردسازی
• 28. فصل ۲۸: نمایش داده های طبقه بندی شده
• 29. فصل ۲۹: نمایش داده های عددی پیوسته
• 30. فصل ۳۰: شاخص های آماری در عمل
• 31. فصل ۳۱: کاربردهای آمار توصیفی در بازاریابی
• 32. فصل ۳۲: کاربردهای آمار توصیفی در امور مالی
• 33. فصل ۳۳: کاربردهای آمار توصیفی در پزشکی
• 34. فصل ۳۴: کاربردهای آمار توصیفی در مهندسی
• 35. فصل ۳۵: کاربردهای آمار توصیفی در علوم اجتماعی
• 36. فصل ۳۶: مقدمه ای بر نرم افزارهای آماری
• 37. فصل ۳۷: استفاده از اکسل برای آمار توصیفی
• 38. فصل ۳۸: استفاده از پایتون برای آمار توصیفی (Pandas)
• 39. فصل ۳۹: استفاده از R برای آمار توصیفی
• 40. فصل ۴۰: تفسیر نتایج آمار توصیفی
• 41. فصل ۴۱: خطاهای رایج در آمار توصیفی
• 42. فصل ۴۲: اهمیت مستندسازی فرآیند تحلیل
• 43. فصل ۴۳: مصورسازی داده ها: اصول طراحی
• 44. فصل ۴۴: انتخاب نمودار مناسب برای هر نوع داده
• 45. فصل ۴۵: بهبود خوانایی نمودارها
• 46. فصل ۴۶: پرهیز از نمودارهای گمراه کننده
• 47. فصل ۴۷: بررسی رابطه بین دو متغیر کمی
• 48. فصل ۴۸: ضریب همبستگی پیرسون
• 49. فصل ۴۹: تفسیر ضریب همبستگی
• 50. فصل ۵۰: همبستگی در مقابل علیت
• 51. فصل ۵۱: جداول توافقی برای داده های کیفی
• 52. فصل ۵۲: نمایش فراوانی های نسبی در جداول
• 53. فصل ۵۳: نمایش فراوانی های تجمعی
• 54. فصل ۵۴: تحلیل ستون ها و ردیف ها در جداول توافقی
• 55. فصل ۵۵: شاخص های پراکندگی برای داده های کیفی
• 56. فصل ۵۶: شاخص های گرایش مرکزی برای داده های کیفی
• 57. فصل ۵۷: آمار توصیفی چند متغیره: مقدمه
• 58. فصل ۵۸: ماتریس پراکندگی برای چندین متغیر
• 59. فصل ۵۹: تجزیه و تحلیل مولفه های اصلی (PCA) - مقدمه
• 60. فصل ۶۰: درک پارامترهای جامعه
• 61. فصل ۶۱: تفاوت بین پارامتر و آماره
• 62. فصل ۶۲: منابع خطا در جمع آوری داده
• 63. فصل ۶۳: سوگیری در نمونه گیری
• 64. فصل ۶۴: انواع سوگیری در آمار توصیفی
• 65. فصل ۶۵: اندازه نمونه و قدرت آماری
• 66. فصل ۶۶: تأثیر حجم نمونه بر نتایج
• 67. فصل ۶۷: پیش پردازش داده ها برای تحلیل های پیشرفته
• 68. فصل ۶۸: مدیریت داده های گمشده
• 69. فصل ۶۹: درون یابی داده های گمشده
• 70. فصل ۷۰: مقیاس بندی ویژگی ها و نرمال سازی
• 71. فصل ۷۱: کاهش ابعاد داده ها
• 72. فصل ۷۲: خوشه بندی (Clustering) - مقدمه
• 73. فصل ۷۳: تحلیل خوشه ای: K-Means
• 74. فصل ۷۴: تفسیر نتایج خوشه بندی
• 75. فصل ۷۵: مفاهیم پایه ای مدل سازی
• 76. فصل ۷۶: رگرسیون خطی ساده: مقدمه
• 77. فصل ۷۷: تفسیر ضرایب رگرسیون
• 78. فصل ۷۸: معیارهای ارزیابی مدل رگرسیون
• 79. فصل ۷۹: بیش برازش (Overfitting)
• 80. فصل ۸۰: کم برازش (Underfitting)
• 81. فصل ۸۱: اعتبارسنجی متقابل (Cross-validation)
• 82. فصل ۸۲: روش های حذف داده های پرت
• 83. فصل ۸۳: مقیاس بندی های لگاریتمی
• 84. فصل ۸۴: استفاده از آمار توصیفی در جستجوی اطلاعات
• 85. فصل ۸۵: تحلیل روند (Trend Analysis)
• 86. فصل ۸۶: تحلیل فصلی (Seasonal Analysis)
• 87. فصل ۸۷: تحلیل چرخه‌ای (Cyclical Analysis)
• 88. فصل ۸۸: پیش بینی با استفاده از داده های تاریخی
• 89. فصل ۸۹: نقش آمار توصیفی در تولید گزارش
• 90. فصل ۹۰: ساخت داشبوردهای مدیریتی
• 91. فصل ۹۱: طراحی پرسشنامه و جمع آوری داده
• 92. فصل ۹۲: آزمون فرضیه ها - مقدمه
• 93. فصل ۹۳: آزمون t برای دو گروه مستقل
• 94. فصل ۹۴: آزمون ANOVA برای بیش از دو گروه
• 95. فصل ۹۵: آزمون کای دو (Chi-squared) برای داده های کیفی
• 96. فصل ۹۶: تفسیر p-value
• 97. فصل ۹۷: تعیین سطح معنی داری (Alpha)
• 98. فصل ۹۸: خطای نوع اول و نوع دوم
• 99. فصل ۹۹: پیوند آمار توصیفی با آمار استنباطی
• 100. فصل ۱۰۰: گام های بعدی در یادگیری علم داده