کتاب تسلط بر مدل‌سازی آماری مدرن: از رگرسیون خطی تا مدل‌های تعمیم‌یافته (GLM)
, ,

کتاب تسلط بر مدل‌سازی آماری مدرن: از رگرسیون خطی تا مدل‌های تعمیم‌یافته (GLM)

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000019465 دسته: , , برچسب: , , , , , , , , , , , , , ,

📚 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 تسلط بر مدل‌سازی آماری مدرن: از رگرسیون خطی تا مدل‌های تعمیم‌یافته (GLM)

موضوع کلی: آمار و علم داده

موضوع میانی: مدل‌سازی پیشرفته آماری

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. رگرسیون خطی ساده: مفاهیم و کاربردها
  • 2. رگرسیون خطی چندگانه: متغیرها، برازش و تفسیر
  • 3. تشخیص و اصلاح مشکلات رگرسیون: ناهمسانی واریانس، هم‌خطی
  • 4. متغیرهای طبقه‌ای در رگرسیون: متغیرهای مجازی و اثرات متقابل
  • 5. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
  • 6. مروری بر توزیع‌های نمایی: گاما، نرمال، پواسون، دوجمله‌ای
  • 7. تابع پیوند (Link Function): اهمیت و انتخاب مناسب
  • 8. تابع واریانس و نقش آن در GLM
  • 9. روش‌های برازش مدل GLM: Maximum Likelihood Estimation (MLE)
  • 10. استنباط آماری در GLM: آزمون فرضیه‌ها و بازه‌های اطمینان
  • 11. آزمون نسبت درست‌نمایی (Likelihood Ratio Test)
  • 12. آزمون والد (Wald Test)
  • 13. آزمون امتیاز (Score Test)
  • 14. بررسی برازش مدل GLM: باقیمانده‌ها و معیارهای ارزیابی
  • 15. انتخاب مدل در GLM: AIC, BIC و سایر معیارها
  • 16. رگرسیون لجستیک: مدل‌سازی متغیرهای پاسخ دودویی
  • 17. تفسیر ضرایب در رگرسیون لجستیک: Odds Ratio و احتمال
  • 18. رگرسیون لجستیک چندجمله‌ای (Multinomial Logistic Regression)
  • 19. رگرسیون پواسون: مدل‌سازی داده‌های شمارشی
  • 20. مدل‌های افزایشی پواسون (Poisson Regression with Offset)
  • 21. بررسی اضافه پراکندگی (Overdispersion) در رگرسیون پواسون
  • 22. رگرسیون نیمه-پواسون (Quasi-Poisson Regression)
  • 23. مدل‌های نرخ (Rate Models) و کاربردهای آن‌ها
  • 24. رگرسیون گاما: مدل‌سازی داده‌های پیوسته مثبت
  • 25. رگرسیون گاما و ارتباط آن با مدل‌های خطی
  • 26. تحلیل باقیمانده‌ها در رگرسیون گاما
  • 27. رگرسیون نمایی: کاربردها و تفسیر
  • 28. رگرسیون وایبول (Weibull Regression): مدل‌سازی بقا
  • 29. رگرسیون معکوس گاوسی (Inverse Gaussian Regression)
  • 30. انتخاب توزیع و تابع پیوند مناسب در GLM
  • 31. مدل‌های خطی تعمیم‌یافته مختلط (GLMM): مقدمه
  • 32. اثرات تصادفی (Random Effects) و اثرات ثابت (Fixed Effects)
  • 33. برازش مدل‌های GLMM: روش‌های برآورد پارامترها
  • 34. انتخاب مدل در GLMM: مقایسه مدل‌ها با اثرات تصادفی مختلف
  • 35. تفسیر ضرایب در GLMM: اثرات سطح گروهی و فردی
  • 36. GLMM در داده‌های طولی (Longitudinal Data): مدل‌سازی تغییرات در طول زمان
  • 37. GLMM برای داده‌های خوشه‌ای (Clustered Data): اثرات ناهمگنی بین خوشه‌ها
  • 38. مدل‌های حاشیه‌ای تعمیم‌یافته (GEE): جایگزینی برای GLMM
  • 39. همبستگی در GEE: ساختارهای همبستگی مختلف
  • 40. برازش مدل‌های GEE: روش‌های برآورد پارامترها
  • 41. تفسیر ضرایب در GEE: اثرات جمعیت‌محور
  • 42. GEE در داده‌های طولی و خوشه‌ای: کاربردها و محدودیت‌ها
  • 43. رگرسیون کوانتایل (Quantile Regression): تخمین کوانتایل‌های شرطی
  • 44. مزایای رگرسیون کوانتایل نسبت به رگرسیون میانگین
  • 45. تفسیر ضرایب در رگرسیون کوانتایل: اثرات بر کوانتایل‌های مختلف
  • 46. کاربرد رگرسیون کوانتایل در شناسایی اثرات ناهمگن
  • 47. رگرسیون غیرپارامتری: مقدمه و روش‌های پایه
  • 48. هموارسازی هسته‌ای (Kernel Smoothing)
  • 49. اسپلاین‌ها (Splines): هموارسازی با توابع چندجمله‌ای
  • 50. مدل‌های افزودنی تعمیم‌یافته (GAM): ترکیب اثرات خطی و غیرخطی
  • 51. انتخاب هموارگر (Smoother Selection) در GAM
  • 52. تفسیر اثرات غیرخطی در GAM: توابع جزئی و اثرات دوطرفه
  • 53. GAM برای داده‌های طولی و خوشه‌ای
  • 54. رگرسیون منظم‌شده (Regularized Regression): Ridge, Lasso, Elastic Net
  • 55. جلوگیری از بیش‌برازش (Overfitting) با رگرسیون منظم‌شده
  • 56. انتخاب پارامتر تنظیم (Tuning Parameter) در رگرسیون منظم‌شده
  • 57. رگرسیون منظم‌شده برای مدل‌های GLM
  • 58. رگرسیون برداری پشتیبان (Support Vector Regression): SVR
  • 59. هسته (Kernel) در SVR: انتخاب و تاثیر
  • 60. انتخاب پارامترها در SVR
  • 61. رگرسیون درختی (Regression Trees): CART
  • 62. الگوریتم‌های ساخت درخت رگرسیون
  • 63. متوقف کردن رشد درخت و هرس کردن (Pruning)
  • 64. جنگل تصادفی (Random Forest): ترکیب درختان رگرسیون
  • 65. اهمیت متغیرها (Variable Importance) در جنگل تصادفی
  • 66. تقویت گرادیانی (Gradient Boosting): XGBoost, LightGBM, CatBoost
  • 67. تنظیم پارامترها در الگوریتم‌های تقویت گرادیانی
  • 68. مقایسه روش‌های رگرسیون درختی و جنگل تصادفی
  • 69. شبکه‌های عصبی مصنوعی (Artificial Neural Networks): مقدمه
  • 70. معماری شبکه‌های عصبی: لایه‌ها، نورون‌ها و توابع فعال‌سازی
  • 71. روش‌های آموزش شبکه‌های عصبی: پس‌انتشار (Backpropagation)
  • 72. جلوگیری از بیش‌برازش در شبکه‌های عصبی: تنظیم وزن و رهاسازی (Dropout)
  • 73. شبکه‌های عصبی عمیق (Deep Neural Networks): معماری‌ها و کاربردها
  • 74. رگرسیون با استفاده از شبکه‌های عصبی
  • 75. مقدمه‌ای بر مدل‌های بیزی (Bayesian Models)
  • 76. استنباط بیزی (Bayesian Inference) و قضیه بیز
  • 77. توزیع پیشین (Prior Distribution) و توزیع پسین (Posterior Distribution)
  • 78. روش‌های نمونه‌برداری Markov Chain Monte Carlo (MCMC)
  • 79. مدل‌های خطی بیزی (Bayesian Linear Models)
  • 80. مدل‌های GLM بیزی (Bayesian GLM)
  • 81. انتخاب مدل در چارچوب بیزی: Bayes Factor و معیار DIC
  • 82. تحلیل حساسیت (Sensitivity Analysis) در مدل‌های بیزی
  • 83. مدل‌های بیزی سلسله‌مراتبی (Bayesian Hierarchical Models)
  • 84. مدل‌سازی داده‌های از دست رفته (Missing Data): روش‌های مختلف
  • 85. حذف لیستی (Listwise Deletion) و Imputation
  • 86. Imputation چندگانه (Multiple Imputation): روش‌ها و کاربردها
  • 87. مدل‌سازی داده‌های سانسور شده (Censored Data): تحلیل بقا
  • 88. مدل کاکس (Cox Proportional Hazards Model)
  • 89. مدل‌های رگرسیونی برای داده‌های سانسور شده
  • 90. ارزیابی عملکرد مدل‌های پیش‌بینی (Prediction Models)
  • 91. معیارهای ارزیابی طبقه‌بندی (Classification): دقت، حساسیت، ویژگی
  • 92. معیارهای ارزیابی رگرسیون: MSE, RMSE, R-squared
  • 93. منحنی ROC و AUC: ارزیابی مدل‌های طبقه‌بندی
  • 94. تحلیل رویداد-زمان (Event History Analysis): مقدمه
  • 95. مدل‌های AFT (Accelerated Failure Time Models)
  • 96. مدل‌سازی رقابت خطرات (Competing Risks)
  • 97. مدل‌های پویای خطی تعمیم‌یافته (DGLM): مدل‌سازی سری‌های زمانی
  • 98. فیلتر کالمن (Kalman Filter) و کاربردهای آن در DGLM
  • 99. مدل‌های سری زمانی GLM
  • 100. مدل‌سازی داده‌های مکانی (Spatial Data): مقدمه

📚 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 تسلط بر مدل‌سازی آماری مدرن: از رگرسیون خطی تا مدل‌های تعمیم‌یافته (GLM)”

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

محصولات مشابه

پیمایش به بالا