کتاب تحلیل داده‌های آماری و مدل‌سازی پیش‌بین با R: از مقدماتی تا پیشرفته

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 تحلیل داده‌های آماری و مدل‌سازی پیش‌بین با R: از مقدماتی تا پیشرفته

موضوع کلی: علوم داده و آمار

موضوع میانی: تحلیل آماری و مدل‌سازی پیش‌بین با استفاده از نرم‌افزار R

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علوم داده و آمار
  • 2. آشنایی با محیط نرم‌افزار R
  • 3. نصب و راه‌اندازی R و RStudio
  • 4. انواع داده‌ها در R
  • 5. مقدمه‌ای بر ساختارهای داده در R
  • 6. بردارهای عددی و منطقی
  • 7. ماتریس‌ها و آرایه‌ها
  • 8. فهرست‌ها و چارچوب‌های داده
  • 9. ورود و خروج داده‌ها در R
  • 10. بارگذاری داده‌ها از فایل‌های CSV
  • 11. بارگذاری داده‌ها از فایل‌های Excel
  • 12. پاکسازی داده‌های پرت و ناقص
  • 13. مدیریت متغیرهای گمشده
  • 14. تبدیل و بازسازی داده‌ها
  • 15. آمارهای توصیفی پایه
  • 16. محاسبه میانگین، میانه و نما
  • 17. واریانس، انحراف معیار و دامنه
  • 18. درصدها و کوانتیل‌ها
  • 19. نمودارهای توصیفی
  • 20. هیستوگرام و نمودار چگالی
  • 21. نمودار جعبه‌ای (Box Plot)
  • 22. نمودار پراکندگی (Scatter Plot)
  • 23. نمودارهای میله‌ای و دایره‌ای
  • 24. مقدمه‌ای بر استنباط آماری
  • 25. مفهوم نمونه و جامعه
  • 26. خطای نمونه‌گیری و فواصل اطمینان
  • 27. آزمون فرض آماری
  • 28. آزمون t تک‌نمونه‌ای
  • 29. آزمون t دو‌نمونه‌ای مستقل
  • 30. آزمون t زوجی
  • 31. آزمون تحلیل واریانس (ANOVA) یک‌طرفه
  • 32. آزمون کای-دو برای استقلال
  • 33. رگرسیون خطی ساده
  • 34. مفاهیم رگرسیون
  • 35. برازش مدل رگرسیون
  • 36. تفسیر ضرایب رگرسیون
  • 37. ارزیابی مدل رگرسیون
  • 38. مانایی مدل رگرسیون
  • 39. پیش‌بینی با مدل رگرسیون
  • 40. رگرسیون خطی چندگانه
  • 41. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
  • 42. رگرسیون لجستیک
  • 43. مفاهیم رگرسیون لجستیک
  • 44. برازش و تفسیر مدل رگرسیون لجستیک
  • 45. ارزیابی مدل رگرسیون لجستیک
  • 46. پیش‌بینی با رگرسیون لجستیک
  • 47. مقدمه‌ای بر مدل‌های سری زمانی
  • 48. مفاهیم پایه سری زمانی
  • 49. شناسایی روند و فصلیت
  • 50. مدل‌های ARIMA
  • 51. برازش مدل‌های ARIMA
  • 52. پیش‌بینی با مدل‌های ARIMA
  • 53. مقدمه‌ای بر یادگیری ماشین
  • 54. دسته‌بندی و رگرسیون
  • 55. الگوریتم‌های یادگیری نظارت شده
  • 56. درخت تصمیم
  • 57. الگوریتم K-نزدیک‌ترین همسایه (KNN)
  • 58. ماشین بردار پشتیبان (SVM)
  • 59. الگوریتم‌های یادگیری بدون نظارت
  • 60. خوشه‌بندی (Clustering)
  • 61. الگوریتم K-Means
  • 62. کاهش ابعاد
  • 63. تحلیل مؤلفه‌های اصلی (PCA)
  • 64. ارزیابی مدل‌های یادگیری ماشین
  • 65. اعتبارسنجی متقابل (Cross-validation)
  • 66. متریک‌های ارزیابی دسته‌بندی
  • 67. متریک‌های ارزیابی رگرسیون
  • 68. مقدمه‌ای بر تحلیل آماری پیشرفته
  • 69. مدل‌های خطی مختلط (Mixed-effects models)
  • 70. مقدمه‌ای بر مدل‌های احتمالی گرافیکی
  • 71. شبکه‌های بیزی (Bayesian Networks)
  • 72. مقدمه‌ای بر تحلیل بقا
  • 73. منحنی کاپلان-مایر
  • 74. مدل‌های نسبت خطر کاکس (Cox Proportional Hazards)
  • 75. تجزیه و تحلیل خوشه‌ها (Cluster Analysis)
  • 76. تحلیل عاملی (Factor Analysis)
  • 77. تحلیل ساختار عاملی (Confirmatory Factor Analysis)
  • 78. مقدمه‌ای بر تحلیل داده‌های متنی
  • 79. پیش‌پردازش متن
  • 80. مدل‌سازی موضوعی (Topic Modeling)
  • 81. تحلیل احساسات (Sentiment Analysis)
  • 82. مقدمه‌ای بر تحلیل داده‌های مکانی
  • 83. مدل‌سازی داده‌های مکانی
  • 84. تجسم داده‌های مکانی
  • 85. مقدمه‌ای بر بهینه‌سازی
  • 86. الگوریتم‌های بهینه‌سازی
  • 87. کاربرد بهینه‌سازی در علوم داده
  • 88. مقدمه‌ای بر شبکه‌های عصبی و یادگیری عمیق
  • 89. ساختار شبکه‌های عصبی
  • 90. شبکه‌های عصبی کانولوشنی (CNN)
  • 91. شبکه‌های عصبی بازگشتی (RNN)
  • 92. کاربرد یادگیری عمیق در علوم داده
  • 93. مقدمه‌ای بر اخلاق در علوم داده
  • 94. حریم خصوصی داده‌ها
  • 95. سوگیری در الگوریتم‌ها
  • 96. مسئولیت‌پذیری در علوم داده
  • 97. کاربرد علوم داده در حوزه‌های مختلف
  • 98. تحلیل داده‌های مالی
  • 99. تحلیل داده‌های پزشکی
  • 100. تحلیل داده‌های بازاریابی

📚 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.