کتاب صوتی بهینه‌سازی مدل‌های آماری پیشرفته

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی مدل‌های آماری پیشرفته

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌های آماری پیشرفته
• 2. مبانی احتمال و آمار
• 3. توزیع‌های احتمالی گسسته
• 4. توزیع‌های احتمالی پیوسته
• 5. آمار استنباطی و برآورد پارامترها
• 6. آزمون فرض آماری
• 7. تحلیل رگرسیون خطی ساده
• 8. مفاهیم و پیش‌فرض‌های رگرسیون خطی
• 9. برآورد پارامترها در رگرسیون خطی
• 10. آزمون فرض در رگرسیون خطی
• 11. تشخیص و رفع مشکلات مدل رگرسیون خطی
• 12. تحلیل رگرسیون خطی چندگانه
• 13. انتخاب متغیرها در رگرسیون چندگانه
• 14. مسائل مربوط به هم‌خطی (Multicollinearity)
• 15. تحلیل واریانس (ANOVA)
• 16. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
• 17. توزیع پواسون و مدل‌های رگرسیون آن
• 18. توزیع دوجمله‌ای منفی و کاربردهای آن
• 19. مدل‌های لجستیک برای داده‌های دودویی
• 20. مدل‌های لجستیک برای داده‌های چندوجهی
• 21. مدل‌های رتبه‌ای (Ordinal Regression)
• 22. مدل‌های شمارشی (Count Data Models)
• 23. مدل‌های سری زمانی خطی
• 24. مفهوم خودهمبستگی و ناهمگنی واریانس
• 25. مدل‌های ARIMA
• 26. مدل‌های GARCH
• 27. تجزیه و تحلیل سری‌های زمانی غیرخطی
• 28. مدل‌های آماری بیزی
• 29. مقدمه‌ای بر استنتاج بیزی
• 30. توزیع‌های پیشین (Prior Distributions)
• 31. توزیع پسین (Posterior Distributions)
• 32. روش‌های نمونه‌گیری مونت کارلو زنجیره مارکوف (MCMC)
• 33. کاربرد مدل‌های بیزی در اقتصاد
• 34. کاربرد مدل‌های بیزی در علوم اجتماعی
• 35. مدل‌های آماری برای داده‌های طولی
• 36. مقدمه‌ای بر داده‌های طولی
• 37. مدل‌های اثرات ثابت (Fixed Effects)
• 38. مدل‌های اثرات تصادفی (Random Effects)
• 39. مدل‌های مختلط (Mixed-Effects Models)
• 40. کاربرد مدل‌های طولی در پژوهش‌های بالینی
• 41. مدل‌های آماری برای داده‌های فضایی
• 42. مقدمه‌ای بر آمار فضایی
• 43. همبستگی فضایی (Spatial Autocorrelation)
• 44. مدل‌های رگرسیون فضایی
• 45. مدل‌های میانگین متحرک فضایی (Spatial Moving Average)
• 46. مدل‌های خودرگرسیو فضایی (Spatial Autoregressive)
• 47. مدل‌های ناهمگنی فضایی
• 48. مدل‌های آماری برای داده‌های شبکه‌ای
• 49. مقدمه‌ای بر تحلیل شبکه
• 50. شاخص‌های مرکزیت در شبکه‌ها
• 51. شناسایی جوامع در شبکه‌ها
• 52. مدل‌های رگرسیون برای داده‌های شبکه‌ای
• 53. مدل‌های آماری پیشرفته در یادگیری ماشین
• 54. مقدمه‌ای بر یادگیری ماشین آماری
• 55. مقدمه ای بر یادگیری با نظارت
• 56. مقدمه ای بر یادگیری بدون نظارت
• 57. ماشین‌های بردار پشتیبان (SVM)
• 58. درختان تصمیم و جنگل‌های تصادفی
• 59. شبکه‌های عصبی مصنوعی
• 60. مقدمه‌ای بر یادگیری عمیق
• 61. شبکه‌های عصبی کانولوشنی (CNN)
• 62. شبکه‌های عصبی بازگشتی (RNN)
• 63. مدل‌های آماری برای کاهش ابعاد
• 64. تحلیل مولفه‌های اصلی (PCA)
• 65. تجزیه مقادیر منفرد (SVD)
• 66. تحلیل عاملی (Factor Analysis)
• 67. کاهش ابعاد در داده‌های بزرگ
• 68. مدل‌های آماری برای داده‌های نامتوازن
• 69. مقدمه‌ای بر داده‌های نامتوازن
• 70. روش‌های نمونه‌گیری در داده‌های نامتوازن
• 71. تکنیک‌های تنظیم مدل برای داده‌های نامتوازن
• 72. ارزیابی مدل برای داده‌های نامتوازن
• 73. مدل‌های آماری پیشرفته در اقتصاد سنجی
• 74. مدل‌های خودرگرسیو میانگین متحرک (ARMA)
• 75. مدل‌های خودرگرسیو شرطی ناهمسانی واریانس (ARCH)
• 76. مدل‌های خودرگرسیو شرطی ناهمسانی واریانس تعمیم‌یافته (GARCH)
• 77. مدل‌های پنجره متحرک (Moving Window Models)
• 78. مدل‌های هم‌انباشتگی (Cointegration Models)
• 79. مدل‌های تصحیح خطا (Error Correction Models)
• 80. مدل‌های پانل دیتا (Panel Data Models)
• 81. مدل‌های اقتصاد سنجی مالی
• 82. مدل‌های آماری برای تحلیل بقا
• 83. مقدمه‌ای بر تحلیل بقا
• 84. تابع بقا و تابع خطر
• 85. روش کاپلان-مایر
• 86. مدل رگرسیون کوکس
• 87. مدل‌های بقا پارامتریک
• 88. کاربرد تحلیل بقا در پزشکی
• 89. کاربرد تحلیل بقا در مهندسی
• 90. مدل‌های آماری برای داده‌های کیفی
• 91. تحلیل چندگانه متغیرهای کیفی
• 92. مدل‌های لاجیت و پروبیت برای متغیرهای کیفی
• 93. مدل‌های رگرسیون چندگانه برای متغیرهای کیفی
• 94. مدل‌های آماری برای داده‌های ترکیبی (Mixed Data)
• 95. تحلیل داده‌های آماری غیر پارامتری
• 96. مقدمه‌ای بر روش‌های غیر پارامتری
• 97. تخمین گر کرنل (Kernel Estimator)
• 98. آزمون‌های ناپارامتری
• 99. دسته‌بندی با استفاده از روش‌های غیر پارامتری
• 100. خوشه‌بندی با استفاده از روش‌های غیر پارامتری