کتاب صوتی مبانی احتمال و کاربرد آن در تحلیل داده با R

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی احتمال و کاربرد آن در تحلیل داده با R

موضوع کلی: علوم ریاضی و کاربرد آن

موضوع میانی: آمار و احتمالات

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مبانی احتمال
• 2. مجموعه‌ها و پیشامدها
• 3. فضای نمونه و پیشامدهای ساده
• 4. احتمال کلاسیک و اصول شمارش
• 5. احتمال هندسی
• 6. قوانین احتمال: جمع و ضرب
• 7. احتمال شرطی
• 8. قضیه بیز و کاربردهای آن
• 9. متغیرهای تصادفی گسسته
• 10. توزیع احتمال گسسته: برنولی
• 11. توزیع دوجمله‌ای
• 12. توزیع پواسون
• 13. توزیع هندسی
• 14. توزیع فوق هندسی
• 15. امید ریاضی و واریانس متغیرهای گسسته
• 16. متغیرهای تصادفی پیوسته
• 17. توزیع یکنواخت پیوسته
• 18. توزیع نرمال (گاوسی)
• 19. توزیع نمایی
• 20. توزیع گاما
• 21. توزیع بتا
• 22. امید ریاضی و واریانس متغیرهای پیوسته
• 23. توزیع‌های چندمتغیره
• 24. توزیع‌های حاشیه‌ای و شرطی
• 25. کوواریانس و همبستگی
• 26. رابطه بین متغیرهای تصادفی
• 27. قضیه حد مرکزی
• 28. کاربرد قضیه حد مرکزی
• 29. مقدمه‌ای بر تحلیل داده با R
• 30. نصب و راه‌اندازی R
• 31. محیط RStudio
• 32. انواع داده در R
• 33. ساختارهای داده در R: بردارها
• 34. ساختارهای داده در R: ماتریس‌ها
• 35. ساختارهای داده در R: آرایه‌ها
• 36. ساختارهای داده در R: لیست‌ها
• 37. ساختارهای داده در R: داده‌فریم‌ها
• 38. عملیات پایه با داده‌فریم‌ها
• 39. وارد کردن داده‌ها به R
• 40. دستکاری داده‌ها با dplyr
• 41. فیلتر کردن داده‌ها
• 42. مرتب‌سازی داده‌ها
• 43. انتخاب ستون‌ها
• 44. تجمع و خلاصه‌سازی داده‌ها
• 45. ادغام داده‌فریم‌ها
• 46. تجسم داده‌ها با ggplot2
• 47. نمودارهای پراکندگی
• 48. نمودارهای میله‌ای
• 49. نمودارهای هیستوگرام
• 50. نمودارهای جعبه‌ای
• 51. نمودارهای خطی
• 52. کاربرد توزیع دوجمله‌ای در R
• 53. شبیه‌سازی توزیع دوجمله‌ای
• 54. کاربرد توزیع پواسون در R
• 55. شبیه‌سازی توزیع پواسون
• 56. کاربرد توزیع نرمال در R
• 57. شبیه‌سازی توزیع نرمال
• 58. آزمون فرض آماری: مفاهیم پایه
• 59. آزمون فرض برای میانگین (تک نمونه‌ای)
• 60. آزمون فرض برای میانگین (دو نمونه‌ای مستقل)
• 61. آزمون فرض برای میانگین (دو نمونه‌ای زوج)
• 62. آزمون فرض برای نسبت (تک نمونه‌ای)
• 63. آزمون فرض برای نسبت (دو نمونه‌ای)
• 64. آزمون کای‌دو برای استقلال
• 65. آزمون کای‌دو برای نیکویی برازش
• 66. مقدمه‌ای بر رگرسیون خطی
• 67. رگرسیون خطی ساده
• 68. تفسیر ضرایب رگرسیون
• 69. ارزیابی مدل رگرسیون خطی
• 70. رگرسیون خطی چندگانه
• 71. انتخاب مدل در رگرسیون
• 72. مقدمه‌ای بر سری‌های زمانی
• 73. اجزای سری زمانی
• 74. مدل‌های ساده سری زمانی
• 75. کاربرد مدل‌های احتمال در تحلیل داده‌های مالی
• 76. کاربرد مدل‌های احتمال در تحلیل داده‌های پزشکی
• 77. کاربرد مدل‌های احتمال در تحلیل داده‌های علوم اجتماعی
• 78. مقدمه‌ای بر شبیه‌سازی مونت کارلو
• 79. پیاده‌سازی شبیه‌سازی مونت کارلو در R
• 80. کاربرد شبیه‌سازی مونت کارلو در مسائل بهینه‌سازی
• 81. کاربرد شبیه‌سازی مونت کارلو در ارزیابی ریسک
• 82. مقدمه‌ای بر استنباط آماری
• 83. برآوردگرهای نقطه‌ای
• 84. ویژگی‌های برآوردگرها
• 85. فاصله‌های اطمینان
• 86. ساخت فاصله‌های اطمینان برای میانگین
• 87. ساخت فاصله‌های اطمینان برای نسبت
• 88. روش‌های پیشرفته تجسم داده‌ها
• 89. کاربرد هوش مصنوعی در تحلیل داده
• 90. مقدمه‌ای بر یادگیری ماشین
• 91. یادگیری ماشین با R
• 92. ارزیابی مدل‌های یادگیری ماشین
• 93. ملاحظات اخلاقی در تحلیل داده
• 94. جمع‌بندی و گام‌های بعدی