سپنتا کتاب اکسپرس
کتاب آمار کاربردی برای دانشمندان داده: مفاهیم کلیدی با R و Python

کتاب آمار کاربردی برای دانشمندان داده: مفاهیم کلیدی با R و Python

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آمار کاربردی برای دانشمندان داده: مفاهیم کلیدی با R و Python

موضوع کلی: علوم داده و آمار کاربردی

موضوع میانی: مبانی آماری در تحلیل داده‌ها

📋 سرفصل‌های دوره

  • 1. مبانی احتمالات در علم داده
  • 2. توزیع‌های گسسته کاربردی
  • 3. توزیع‌های پیوسته مهم
  • 4. آمار توصیفی برای درک داده‌ها
  • 5. نمودارهای توزیع داده‌ها
  • 6. اندازه‌گیری مرکزیت داده‌ها
  • 7. اندازه‌گیری پراکندگی داده‌ها
  • 8. تشخیص داده‌های پرت
  • 9. مقدمه‌ای بر استنباط آماری
  • 10. تخمین بازه‌های اطمینان
  • 11. آزمون فرض آماری: مفاهیم پایه
  • 12. آزمون فرض برای میانگین جامعه
  • 13. آزمون فرض برای نسبت جامعه
  • 14. آزمون فرض برای واریانس جامعه
  • 15. آزمون فرض برای دو جامعه مستقل
  • 16. آزمون فرض برای دو جامعه وابسته
  • 17. مقدمه‌ای بر رگرسیون خطی
  • 18. رگرسیون خطی ساده
  • 19. ارزیابی مدل رگرسیون خطی
  • 20. رگرسیون خطی چندگانه
  • 21. مدل‌سازی متغیرهای طبقه‌ای در رگرسیون
  • 22. مقدمه‌ای بر تحلیل واریانس (ANOVA)
  • 23. ANOVA یک‌طرفه
  • 24. ANOVA دوطرفه
  • 25. مقدمه‌ای بر آزمون‌های ناپارامتری
  • 26. آزمون رتبه علامت ویلکاکسون
  • 27. آزمون مان-ویتنی یو
  • 28. آزمون کروسکال-والیس
  • 29. مقدمه‌ای بر تحلیل سری‌های زمانی
  • 30. مدل‌های ARIMA
  • 31. پیش‌بینی در سری‌های زمانی
  • 32. مقدمه‌ای بر خوشه‌بندی
  • 33. الگوریتم K-Means
  • 34. ارزیابی خوشه‌بندی
  • 35. مقدمه‌ای بر کاهش ابعاد
  • 36. تحلیل مولفه‌های اصلی (PCA)
  • 37. کاربرد PCA در علم داده
  • 38. مقدمه‌ای بر درخت‌های تصمیم
  • 39. ساخت درخت تصمیم
  • 40. ارزیابی درخت تصمیم
  • 41. مقدمه‌ای بر جنگل‌های تصادفی
  • 42. ساخت جنگل تصادفی
  • 43. ارزیابی جنگل تصادفی
  • 44. مقدمه‌ای بر ماشین بردار پشتیبان (SVM)
  • 45. کاربرد SVM در طبقه‌بندی
  • 46. کاربرد SVM در رگرسیون
  • 47. مقدمه‌ای بر شبکه‌های عصبی
  • 48. شبکه‌های عصبی پرسپترون چندلایه
  • 49. آموزش شبکه‌های عصبی
  • 50. مقدمه‌ای بر یادگیری عمیق
  • 51. شبکه‌های عصبی کانولوشنی (CNN)
  • 52. شبکه‌های عصبی بازگشتی (RNN)
  • 53. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 54. تحلیل احساسات با مدل‌های آماری
  • 55. مدل‌سازی موضوعی (Topic Modeling)
  • 56. مقدمه‌ای بر یادگیری تقویتی
  • 57. کاربرد یادگیری تقویتی در عمل
  • 58. مقدمه‌ای بر آزمون A/B
  • 59. طراحی و اجرای آزمون A/B
  • 60. تحلیل نتایج آزمون A/B
  • 61. مقدمه‌ای بر مدل‌سازی احتمالی
  • 62. مدل‌های بیزی ساده
  • 63. کاربرد مدل‌های بیزی در پیش‌بینی
  • 64. مقدمه‌ای بر تحلیل بقا
  • 65. توابع بقا و خطر
  • 66. مدل کوکس در تحلیل بقا
  • 67. مقدمه‌ای بر داده‌های مکانی
  • 68. مدل‌سازی داده‌های مکانی
  • 69. تحلیل خوشه‌بندی مکانی
  • 70. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
  • 71. شاخص‌های مرکزی در شبکه‌های اجتماعی
  • 72. یافتن جوامع در شبکه‌ها
  • 73. مقدمه‌ای بر شبیه‌سازی مونت کارلو
  • 74. کاربرد شبیه‌سازی در علم داده
  • 75. شبیه‌سازی سری‌های زمانی
  • 76. مقدمه‌ای بر روش‌های نمونه‌گیری
  • 77. نمونه‌گیری تصادفی ساده
  • 78. نمونه‌گیری طبقه‌بندی شده
  • 79. مقدمه‌ای بر ادغام مدل‌ها (Ensembling)
  • 80. بگینگ (Bagging)
  • 81. بوستینگ (Boosting)
  • 82. مقدمه‌ای بر یادگیری ناظر
  • 83. مقدمه‌ای بر یادگیری بدون ناظر
  • 84. نکات مهم در پاکسازی داده‌ها
  • 85. اعتبارسنجی متقابل (Cross-Validation)
  • 86. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 87. نمایش بصری پیشرفته داده‌ها
  • 88. مقدمه‌ای بر اخلاق در علم داده
  • 89. حفظ حریم خصوصی داده‌ها
  • 90. سوگیری در الگوریتم‌ها
  • 91. تفسیرپذیری مدل‌ها
  • 92. مقدمه‌ای بر ابزارهای علم داده (R)
  • 93. مقدمه‌ای بر ابزارهای علم داده (Python)
  • 94. کاربرد کتابخانه‌های آماری در R
  • 95. کاربرد کتابخانه‌های آماری در Python
  • 96. تجزیه و تحلیل داده‌های بزرگ
  • 97. ملاحظات امنیتی در تحلیل داده‌ها
  • 98. مدیریت چرخه عمر مدل
  • 99. مقدمه‌ای بر یادگیری توزیع شده
  • 100. کاربرد الگوریتم‌های آماری در کسب و کار

📚 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.