آمار و تحلیل داده با R
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- استفاده از توابع آماری در RStudio برای حل مسائل مرتبط با توزیعهای احتمال گسسته و پیوسته
- ایجاد مدلهای رگرسیون خطی ساده، چندجملهای و چندخطی در RStudio و استفاده از آن مدلها برای ایجاد پیشبینیها
- انجام آزمونهای فرضیه تک نمونهای و دو نمونهای و ایجاد فواصل اطمینان و پیشبینی روی آمار مختلف
توضیحات دوره
این دوره، سومین دوره از یک تخصص 3 بخشی به نام «آمار و تحلیل داده کاربردی» است. این دوره برای افرادی طراحی شده که با آمار آشنا هستند اما با زبان برنامهنویسی R ناآشنا هستند. هدف دوره آموزش به یادگیرندگان برای استفاده از محیط توسعه محبوب یکپارچه متن باز (و بنابراین رایگان) RStudio است تا محاسبات آماری اولیه و پیچیده را انجام دهند.
پس از آشنایی با محاسبات اولیه، بردار، ماتریسها، دیتافریمها و نحوه ایمپورت داده از انواع فایلهای رایج (.xlsx و .csv و .txt)، به یادگیرندگان آموزش داده میشود که چگونه مسائل احتمال و شمارش را در R حل کنند، که شامل محاسبات توزیع احتمال گسسته و پیوسته و آزمونهای فرضیه تک نمونهای و دو نمونهای (مقایسهها) میشود. در نهایت، شرکتکنندگان میآموزند که چگونه مدلهای رگرسیون را در R ایجاد کرده و تحلیل واریانس (ANOVA) را انجام دهند.
یکی از جنبههای بسیار مفید دوره، تکالیف برنامهنویسی است که به صورت آنلاین در زبان برنامهنویسی R در Jupyter notebooks تکمیل میشوند.
آمار و تحلیل داده با R
-
خوش آمدید به دوره! 3:30
-
دوره چگونه کار می کند؟ 3:01
-
آشنایی با R و RStudio 3:58
-
محاسبات اولیه در R 8:40
-
استفاده از فایلهای اسکریپت 8:16
-
بردارها و ماتریسها - بخش 1 7:59
-
بردارها و ماتریسها - بخش 2 11:02
-
چگونه پکیجها را نصب و بارگذاری کنیم؟ 5:50
-
دیتافریمها و Tibbles 10:21
-
مثالهای اضافی از دیتافریم 6:11
-
ایمپورت داده به RStudio 9:44
-
چگونه از توابع داخلی استفاده کنیم؟ 6:06
-
توابع تعریف شده توسط کاربر 4:51
-
تکالیف برنامه نویسی چگونه کار می کنند؟ 3:09
-
اهمیت گواهینامه دوره و آینده آموزش عالی None
-
حسابرسی دوره در مقابل خرید گواهینامه دوره None
-
فایلهای استارتر و چیتشیت هفته 1 None
-
لینکهای نصب None
-
فایلهای استارتر و چیتشیت هفته 2 None
-
آمار توصیفی - بخش 1 7:54
-
آمار توصیفی - بخش 2 9:37
-
آمار شرطی 5:03
-
نمودارهای پراکندگی - بخش 1 9:48
-
نمودارهای پراکندگی - بخش 2 7:16
-
هیستوگرامها 5:34
-
نمودارهای ستونی و دایرهای 6:32
-
نمودارهای جعبهای 8:14
-
نمودارهای احتمال و آمار AD 9:05
-
فایلهای استارتر و چیتشیت هفته 3 None
-
جایگشتها و ترکیبات 10:46
-
توزیع دوجملهای 8:22
-
توزیع هندسی 7:37
-
توزیع دوجملهای منفی 6:47
-
توزیع فوقهندسی 6:24
-
توزیع پواسون 7:51
-
توزیع چندجملهای 6:36
-
توزیع یکنواخت 9:03
-
توزیع نرمال 6:32
-
محاسبات توزیع نرمال معکوس 7:43
-
استانداردسازی و Z-Values 10:40
-
(بررسی اختیاری) واریانس شناخته شده یا ناشناخته؟ 4:49
-
(بررسی اختیاری) توزیع نمونه در مقابل توزیع جمعیت 8:45
-
توزیع تی 10:31
-
توزیع مربع کای 11:21
-
توزیع F 5:24
-
فایلهای استارتر و چیتشیت هفته 4 None
-
فاصله اطمینان روی میانگین، واریانس شناخته شده 11:59
-
فاصله اطمینان روی میانگین، واریانس ناشناخته 10:15
-
فاصله پیشبینی روی مشاهدات آینده 9:56
-
آزمونهای فرضیه روی میانگین، واریانس شناخته شده 10:52
-
آزمونهای فرضیه روی میانگین، واریانس ناشناخته 10:07
-
(بررسی اختیاری) خطاهای نوع اول و نوع دوم 8:34
-
(بررسی اختیاری) قدرت آزمون 4:27
-
خطای نوع دوم و قدرت آزمون 10:13
-
انتخاب اندازه نمونه 9:55
-
فاصله اطمینان روی واریانس 8:24
-
آزمونهای فرضیه روی واریانس 10:44
-
آزمونهای فرضیه روی نسبت دوجمله ای 5:20
-
فایلهای استارتر و چیتشیت هفته 5 None
-
مقایسه میانگینها، واریانس شناخته شده - بخش 1 5:38
-
مقایسه میانگینها، واریانس شناخته شده - بخش 2 8:32
-
مقایسه واریانسها (آزمون F) - بخش 1 4:32
-
مقایسه واریانسها (آزمون F) - بخش 2 7:18
-
مقایسه میانگینها، واریانس ناشناخته 8:45
-
آزمونهای تی جفتی 8:25
-
مقایسه نسبتهای دوجمله ای 6:57
-
فایلهای استارتر و چیتشیت هفته 6 None
-
رگرسیون خطی ساده - بخش 1 13:16
-
رگرسیون خطی ساده - بخش 2 13:11
-
تحلیل باقیمانده - بخش 1 8:20
-
تحلیل باقیمانده - بخش 2 7:22
-
رگرسیون چندجملهای 11:30
-
رگرسیون چندخطی 8:11
-
تکنیکهای ساخت مدل - بخش 1 9:10
-
تکنیکهای ساخت مدل - بخش 2 9:05
-
تحلیل واریانس 10:44
مشخصات آموزش
آمار و تحلیل داده با R
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:76
- مدت زمان :09:02:34
- حجم :2.16GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy