, ,

کتاب محاسبات آماری با پایتون: از مبانی تا کاربرد در داده‌کاوی

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب محاسبات آماری با پایتون: از مبانی تا کاربرد در داده‌کاوی

موضوع کلی: محاسبات آماری

موضوع میانی: مفاهیم و ابزارهای پایه محاسبات آماری

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر محاسبات آماری
  • 2. نقش پایتون در محاسبات آماری و علم داده
  • 3. نصب و راه‌اندازی محیط توسعه (Anaconda)
  • 4. آشنایی با Jupyter Notebook و JupyterLab
  • 5. اصول اولیه کدنویسی تمیز و قابل نگهداری
  • 6. انواع داده‌های پایه در پایتون (اعداد، رشته‌ها، بولی‌ها)
  • 7. ساختارهای داده در پایتون: لیست‌ها، تاپل‌ها، دیکشنری‌ها، مجموعه‌ها
  • 8. عملگرها و عبارات در پایتون
  • 9. ساختارهای کنترلی: شرط‌ها (if/else)
  • 10. حلقه‌ها (for/while) و تکرار کننده‌ها
  • 11. توابع در پایتون: تعریف، پارامترها، بازگشت مقادیر
  • 12. ماژول‌ها و پکیج‌ها: وارد کردن و استفاده
  • 13. مدیریت خطاها و استثناها (try/except)
  • 14. برنامه نویسی شیءگرا در پایتون: مفاهیم پایه (کلاس، شیء، متد)
  • 15. توابع لامبدا و list comprehensions در پایتون
  • 16. معرفی NumPy و آرایه‌های N-بعدی (ndarray)
  • 17. ایجاد آرایه‌ها: از لیست‌ها، رنج‌ها، صفرها و یک‌ها
  • 18. شاخص‌گذاری و برش‌زنی آرایه‌ها در NumPy
  • 19. تغییر شکل و ابعاد آرایه‌ها
  • 20. عملیات ریاضی بر روی آرایه‌ها: جمع، ضرب، تفریق، تقسیم
  • 21. عملیات برداری و ماتریسی در NumPy
  • 22. توابع یونیورسال (ufuncs) و کاربرد آنها
  • 23. برودکستینگ (Broadcasting) در NumPy
  • 24. توابع آماری پایه در NumPy (میانگین، واریانس، انحراف معیار)
  • 25. کار با مقادیر از دست رفته (NaN) در NumPy
  • 26. ورود و خروج داده با NumPy
  • 27. عملکرد و بهینه‌سازی کد NumPy
  • 28. معرفی Pandas: Series و DataFrame
  • 29. ایجاد Series و DataFrame
  • 30. وارد کردن داده: CSV, Excel, SQL
  • 31. بررسی اولیه داده: head, info, describe
  • 32. انتخاب و شاخص‌گذاری داده: loc, iloc
  • 33. فیلتر کردن و زیرمجموعه‌سازی داده‌ها
  • 34. کار با مقادیر از دست رفته در Pandas
  • 35. پاکسازی داده‌ها: حذف ردیف‌ها/ستون‌ها، جایگزینی مقادیر
  • 36. تغییر نام ستون‌ها و ردیف‌ها
  • 37. عملیات ریاضی روی DataFrame
  • 38. ادغام و ترکیب DataFrame‌ها (merge, join, concat)
  • 39. گروه‌بندی و تجمیع داده‌ها (groupby)
  • 40. اعمال توابع به داده‌ها (apply, map, applymap)
  • 41. تغییر فرم داده‌ها: pivot, melt
  • 42. کار با داده‌های متنی
  • 43. کار با داده‌های زمانی و تاریخ (DatetimeIndex)
  • 44. تشخیص و حذف داده‌های تکراری
  • 45. ذخیره و خروجی گرفتن از DataFrame
  • 46. آمار توصیفی با پایتون (میانگین، میانه، مد، چارک‌ها)
  • 47. اندازه‌های پراکندگی (دامنه، واریانس، انحراف معیار، دامنه میان‌چارکی)
  • 48. معرفی توزیع‌های احتمال (نرمال، یکنواخت، برنولی، پواسون)
  • 49. توابع چگالی احتمال (PDF) و توابع توزیع تجمعی (CDF)
  • 50. پیاده‌سازی توابع توزیع با SciPy.stats
  • 51. تحلیل گرافیکی توزیع‌ها (هیستوگرام، نمودار چگالی)
  • 52. معرفی آمار استنباطی: نمونه‌گیری و توزیع نمونه‌گیری
  • 53. قضیه حد مرکزی (Central Limit Theorem) و پیاده‌سازی
  • 54. برآوردگرها: نقطه‌ای و فاصله‌ای (میانگین، نسبت)
  • 55. آزمون‌های فرض آماری: مفاهیم پایه (فرضیه صفر، p-value)
  • 56. معرفی شبیه‌سازی آماری
  • 57. تولید اعداد شبه‌تصادفی: الگوریتم‌ها و خواص
  • 58. تولید اعداد تصادفی از توزیع‌های مختلف (یکنواخت، نرمال)
  • 59. روش وارون تبدیل برای تولید اعداد تصادفی
  • 60. روش رد و قبول (Acceptance-Rejection Method)
  • 61. روش‌های مونت کارلو: انتگرال‌گیری مونت کارلو
  • 62. برآورد پارامتر با مونت کارلو
  • 63. شبیه‌سازی زنجیره‌های مارکوف
  • 64. الگوریتم متروپولیس-هاستینگز (Metropolis-Hastings)
  • 65. نمونه‌گیری گیبز (Gibbs Sampling)
  • 66. کاربرد مونت کارلو در آزمون فرض
  • 67. شبیه‌سازی برای تعیین توان آماری (Statistical Power)
  • 68. تجزیه و تحلیل حساسیت در شبیه‌سازی
  • 69. استفاده از Numba برای تسریع شبیه‌سازی‌ها
  • 70. موازی‌سازی شبیه‌سازی‌ها
  • 71. مبانی بهینه‌سازی: توابع هدف، قیود
  • 72. گرادیان و ماتریس هسین
  • 73. روش نزول گرادیان (Gradient Descent)
  • 74. انواع نزول گرادیان: مینی بچ، تصادفی، دسته‌ای
  • 75. روش نیوتن-رافسون (Newton-Raphson)
  • 76. روش‌های شبه-نیوتن (Quasi-Newton Methods)
  • 77. بهینه‌سازی با Scipy.optimize
  • 78. کاربرد بهینه‌سازی در برآورد حداکثر درستنمایی (MLE)
  • 79. معرفی روش‌های بازنمونه‌گیری
  • 80. بوت استرپ (Bootstrap): تخمین واریانس و خطای استاندارد
  • 81. بوت استرپ برای فواصل اطمینان
  • 82. بوت استرپ پارامتری و ناپارامتری
  • 83. جک‌نایف (Jackknife)
  • 84. آزمون‌های جایگشتی (Permutation Tests)
  • 85. مقایسه بوت استرپ، جک‌نایف و آزمون‌های جایگشتی
  • 86. مرور رگرسیون خطی ساده
  • 87. رگرسیون خطی چندگانه و پیاده‌سازی با statsmodels و scikit-learn
  • 88. فرض‌های مدل رگرسیون و بررسی آنها
  • 89. انتخاب متغیر و منظم‌سازی (Lasso, Ridge)
  • 90. رگرسیون لجستیک و پیاده‌سازی
  • 91. مدل‌های خطی تعمیم‌یافته (GLMs): مفاهیم پایه
  • 92. کاربرد GLMs در مسائل طبقه‌بندی و شمارش
  • 93. ارزیابی و انتخاب مدل در رگرسیون
  • 94. مفاهیم پایه یادگیری ماشین: آموزش، آزمون، اعتبارسنجی
  • 95. اعتبارسنجی متقابل (Cross-Validation)
  • 96. رگرسیون چندجمله‌ای و رگرسیون محلی (Loess)
  • 97. درخت تصمیم و جنگل تصادفی (Random Forest)
  • 98. ماشین‌های بردار پشتیبان (SVM)
  • 99. تحلیل مؤلفه‌های اصلی (PCA) برای کاهش ابعاد
  • 100. خوشه‌بندی (Clustering): K-Means و Hierarchical Clustering

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب محاسبات آماری با پایتون: از مبانی تا کاربرد در داده‌کاوی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا