کتاب مقدمه‌ای بر آمار کاربردی با SciPy برای تحلیل داده

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 مقدمه‌ای بر آمار کاربردی با SciPy برای تحلیل داده

موضوع کلی: علوم کامپیوتر و تحلیل داده

موضوع میانی: تحلیل آماری با زبان پایتون

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علم داده و آمار
  • 2. مفاهیم پایه آمار توصیفی
  • 3. جمع‌آوری و سازماندهی داده‌ها
  • 4. نمایش داده‌ها با نمودارها
  • 5. میانگین، میانه و نما
  • 6. پراکندگی داده‌ها: واریانس و انحراف معیار
  • 7. شاخص‌های مرکزی و پراکندگی
  • 8. مقدمه‌ای بر آمار استنباطی
  • 9. مفاهیم احتمال
  • 10. توزیع‌های احتمال گسسته
  • 11. توزیع دوجمله‌ای
  • 12. توزیع پواسون
  • 13. توزیع‌های احتمال پیوسته
  • 14. توزیع نرمال
  • 15. توزیع t استیودنت
  • 16. توزیع کای-دو
  • 17. توزیع فیشر
  • 18. آزمون فرض آماری
  • 19. مفهوم فرضیه صفر و فرضیه جایگزین
  • 20. خطای نوع اول و نوع دوم
  • 21. سطح معنی‌داری (آلفا)
  • 22. مقدار پی (p-value)
  • 23. آزمون‌های t تک‌نمونه‌ای
  • 24. آزمون‌های t دو‌نمونه‌ای مستقل
  • 25. آزمون‌های t زوجی
  • 26. تحلیل واریانس یک‌طرفه (ANOVA)
  • 27. آزمون‌های ناپارامتری
  • 28. آزمون رتبه علامت‌دار ویلکاکسون
  • 29. آزمون من-ویتنی یو
  • 30. آزمون کروسکال-والیس
  • 31. رگرسیون خطی ساده
  • 32. مفهوم همبستگی
  • 33. ضریب همبستگی پیرسون
  • 34. رگرسیون خطی چندگانه
  • 35. مفسر رگرسیون
  • 36. مدل‌های خطی تعمیم‌یافته (GLM)
  • 37. تحلیل سری‌های زمانی
  • 38. مفاهیم پایه سری‌های زمانی
  • 39. میانگین متحرک
  • 40. هموارسازی نمایی
  • 41. مدل‌های ARIMA
  • 42. تحلیل اکتشافی داده‌ها (EDA)
  • 43. شناسایی داده‌های پرت
  • 44. پردازش داده‌های گمشده
  • 45. استانداردسازی و نرمال‌سازی داده‌ها
  • 46. تکنیک‌های کاهش ابعاد
  • 47. تحلیل مولفه‌های اصلی (PCA)
  • 48. تجزیه مقدار منفرد (SVD)
  • 49. یادگیری ماشین با SciPy
  • 50. طبقه‌بندی‌کننده‌ها
  • 51. رگرسیون لجستیک
  • 52. ماشین‌های بردار پشتیبان (SVM)
  • 53. درخت‌های تصمیم
  • 54. جنگل‌های تصادفی
  • 55. خوشه‌بندی
  • 56. الگوریتم K-Means
  • 57. خوشه‌بندی سلسله مراتبی
  • 58. ارزیابی مدل‌های یادگیری ماشین
  • 59. متریک‌های ارزیابی طبقه‌بندی
  • 60. متریک‌های ارزیابی رگرسیون
  • 61. اعتبارسنجی متقابل
  • 62. کاربرد SciPy در علوم کامپیوتر
  • 63. عملیات برداری و ماتریسی با NumPy
  • 64. بهینه‌سازی با SciPy.optimize
  • 65. انتگرال‌گیری عددی با SciPy.integrate
  • 66. حل معادلات دیفرانسیل با SciPy.integrate
  • 67. پردازش سیگنال با SciPy.signal
  • 68. پردازش تصویر با SciPy.ndimage
  • 69. آمار پیشرفته با SciPy
  • 70. آزمون‌های آماری پیشرفته
  • 71. مدل‌های خطی تعمیم‌یافته (GLM) پیشرفته
  • 72. روش‌های شبیه‌سازی مونت کارلو
  • 73. تحلیل بقا
  • 74. مقدمه‌ای بر استنتاج بیزی
  • 75. نظریه بیز
  • 76. روش‌های نمونه‌گیری مارکوف چین مونت کارلو (MCMC)
  • 77. کاربرد آمار در تحلیل داده‌های بزرگ
  • 78. مقدمه‌ای بر داده‌کاوی
  • 79. قوانین انجمنی
  • 80. کاوش داده‌های متنی
  • 81. تحلیل احساسات
  • 82. مقدمه‌ای بر یادگیری عمیق (اختیاری)
  • 83. شبکه‌های عصبی کانولوشنال (CNN)
  • 84. شبکه‌های عصبی بازگشتی (RNN)
  • 85. مقدمه‌ای بر هوش مصنوعی
  • 86. اخلاق در علم داده
  • 87. حریم خصوصی داده‌ها
  • 88. سوگیری در الگوریتم‌ها
  • 89. مسئولیت‌پذیری در هوش مصنوعی
  • 90. کاربرد آمار در شبکه‌های اجتماعی
  • 91. تحلیل شبکه‌های اجتماعی
  • 92. پیش‌بینی رفتار کاربر
  • 93. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 94. نمایش کلمات (Word Embeddings)
  • 95. تحلیل موضوعی
  • 96. کاربرد آمار در امنیت سایبری
  • 97. شناسایی نفوذ
  • 98. تحلیل رفتاری
  • 99. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 100. فیلترینگ مشارکتی

📚 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.