کتاب تسلط بر مدل‌های خطی تعمیم‌یافته، مدل‌های مختلط و رگرسیون غیرپارامتری با R
, ,

کتاب تسلط بر مدل‌های خطی تعمیم‌یافته، مدل‌های مختلط و رگرسیون غیرپارامتری با R

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000019519 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 مدل‌های خطی تعمیم‌یافته، مدل‌های مختلط و رگرسیون غیرپارامتری با R

موضوع کلی: تحلیل داده‌های پیشرفته با مدل‌های آماری

موضوع میانی: بسط مدل‌های خطی و رگرسیون‌های غیرپارامتری

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مبانی و پیش‌نیازها:
  • 2. آشنایی با زبان R و محیط RStudio
  • 3. مروری بر آمار توصیفی و استنباطی
  • 4. مبانی رگرسیون خطی ساده
  • 5. بررسی مفروضات رگرسیون خطی کلاسیک
  • 6. تشخیص و رفع نقض مفروضات در رگرسیون خطی
  • 7. تبدیلات داده‌ها برای بهبود مدل‌های خطی
  • 8. ارزیابی مدل‌های خطی: معیارهای برازندگی و روش‌های اعتبارسنجی
  • 9. معرفی مدل‌های خطی تعمیم‌یافته (GLM)
  • 10. تابع پیوند (Link Function) و توزیع‌های پاسخ در GLM
  • 11. رگرسیون پواسون: مدل‌سازی داده‌های شمارشی
  • 12. رگرسیون دوجمله‌ای: مدل‌سازی داده‌های باینری
  • 13. رگرسیون لجستیک: پیش‌بینی احتمال وقوع رویداد
  • 14. تفسیر ضرایب در مدل‌های لجستیک و پواسون
  • 15. ارزیابی و مقایسه مدل‌های GLM
  • 16. تشخیص و رفع بیش‌برازش در مدل‌های GLM
  • 17. رگرسیون چندجمله‌ای: مدل‌سازی داده‌های طبقه‌ای
  • 18. رگرسیون ترتیبی: مدل‌سازی داده‌های ترتیبی
  • 19. مدل‌سازی همبستگی و ساختار ماتریس کوواریانس
  • 20. معرفی مدل‌های اثرات مختلط (Mixed Effects Models)
  • 21. ساختار داده‌های لانگیتودینال و تکراری
  • 22. مدل‌های اثرات تصادفی و اثرات ثابت
  • 23. مدل‌های اثرات مختلط خطی (LMM)
  • 24. ساختارهای کوواریانس در مدل‌های اثرات مختلط
  • 25. براورد و تفسیر ضرایب در LMM
  • 26. مقایسه مدل‌های اثرات مختلط
  • 27. مدل‌سازی اثرات متقابل در مدل‌های اثرات مختلط
  • 28. مدل‌های اثرات مختلط تعمیم‌یافته (GLMM)
  • 29. رگرسیون پواسون با اثرات مختلط
  • 30. رگرسیون لجستیک با اثرات مختلط
  • 31. براورد و تفسیر GLMM
  • 32. تشخیص و رفع مسائل همگرایی در GLMM
  • 33. انتخاب مدل در GLMM
  • 34. مدل‌سازی ساختارهای پیچیده داده‌ها با GLMM
  • 35. معرفی رگرسیون‌های غیرپارامتری
  • 36. رگرسیون‌های صاف‌کننده (Smoothing)
  • 37. رگرسیون هسته‌ای (Kernel Regression)
  • 38. رگرسیون لوکال (LOESS و LOWESS)
  • 39. انتخاب پهنای باند در رگرسیون‌های صاف‌کننده
  • 40. رگرسیون اسپلاین (Spline Regression)
  • 41. اسپلاین‌های خطی قطعه‌ای (Piecewise Linear Splines)
  • 42. اسپلاین‌های درجه 3 مکعبی (Cubic Splines)
  • 43. اسپلاین‌های باز (B-splines)
  • 44. انتخاب مکان‌های گره در اسپلاین‌ها
  • 45. رگرسیون افزایشی (Additive Models)
  • 46. مدل‌سازی با متغیرهای پیوسته و طبقه‌ای در مدل‌های افزایشی
  • 47. انتخاب متغیرها و اجزای مدل‌های افزایشی
  • 48. رگرسیون تعمیم‌یافته افزایشی (GAM)
  • 49. ترکیب مدل‌های GLM و رگرسیون‌های غیرپارامتری
  • 50. تشخیص و رفع مشکلات برازش در رگرسیون‌های غیرپارامتری
  • 51. روش‌های بوت‌استرپ و بازنمونه‌گیری
  • 52. روش‌های اعتبارسنجی متقابل برای مدل‌های پیچیده
  • 53. بهبود مدل‌ها با استفاده از روش‌های انتخابی (Stepwise Selection)
  • 54. بهبود مدل‌ها با استفاده از روش‌های منظم‌سازی (Regularization)
  • 55. معرفی Lasso و Ridge Regression
  • 56. انتخاب پارامترهای منظم‌سازی
  • 57. مدل‌سازی داده‌های پرت و اثرات آن‌ها
  • 58. مدل‌سازی مقادیر گمشده
  • 59. مدل‌سازی سری‌های زمانی
  • 60. بررسی خودهمبستگی و همبستگی جزئی
  • 61. مدل‌های ARIMA و پیش‌بینی
  • 62. مدل‌سازی داده‌های جغرافیایی
  • 63. معرفی spatial autocorrelation
  • 64. مدل‌های spatial regression
  • 65. ترکیب مدل‌های مختلف: GLM, LMM, و رگرسیون‌های غیرپارامتری
  • 66. کاربرد مدل‌ها در علوم زیستی
  • 67. کاربرد مدل‌ها در علوم اجتماعی
  • 68. کاربرد مدل‌ها در اقتصاد
  • 69. کاربرد مدل‌ها در بهداشت
  • 70. کاربرد مدل‌ها در بازاریابی
  • 71. تجزیه و تحلیل داده‌های بزرگ (Big Data)
  • 72. مقدمه‌ای بر parallel processing در R
  • 73. مدل‌سازی با بسته‌های R تخصصی (eg, lme4, nlme, mgcv)
  • 74. گرافیک‌های پیشرفته برای تجسم داده‌ها و نتایج مدل‌ها
  • 75. تهیه گزارش‌های حرفه‌ای و ارائه نتایج مدل‌سازی
  • 76. نوشتن توابع و بسته‌های R برای مدل‌سازی
  • 77. بهینه‌سازی کد R برای مدل‌سازی
  • 78. آزمون فرض در مدل‌های آماری پیشرفته
  • 79. قدرت آزمون و اندازه‌های اثر
  • 80. آزمون‌های چندگانه و کنترل نرخ خطای نوع اول
  • 81. مروری بر Bayesian Inference
  • 82. مقدمه‌ای بر مدل‌سازی Bayesian با R
  • 83. مدل‌سازی hierarchical Bayesian
  • 84. آشنایی با MCMC و Gibbs Sampling
  • 85. ارزیابی همگرایی در مدل‌های Bayesian
  • 86. انتخاب prior در مدل‌های Bayesian
  • 87. پیاده‌سازی مدل‌های Bayesian با استفاده از کتابخانه‌های R
  • 88. ترکیب Bayesian و Frequentist
  • 89. تحلیل حساسیت در مدل‌سازی آماری
  • 90. مبانی Bootstrap و resampling
  • 91. آشنایی با Cross-Validation و its variants
  • 92. Bias-Variance Tradeoff در مدل‌سازی
  • 93. انتخاب مدل با استفاده از AIC, BIC
  • 94. بررسی اعتبار مدل با استفاده از Residual analysis
  • 95. معرفی روش‌های کاهش ابعاد (PCA, Factor Analysis)
  • 96. استفاده از Feature Engineering برای بهبود مدل
  • 97. مدل‌سازی برای داده‌های با ساختارهای پیچیده
  • 98. بررسی advanced diagnostics برای مدل‌ها

📚 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 مدل‌های خطی تعمیم‌یافته، مدل‌های مختلط و رگرسیون غیرپارامتری با R”

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

محصولات مشابه

پیمایش به بالا