آموزش آمار برای علم داده در رشت

آموزش آمار برای علم داده در رشت

متخصصان علم داده (Data Science)، برای کار خود ابتدا به دوره “آمار برای علم داده” نیاز دارند. مباحث زیر در شناخت پایگاه داده، Data Visualization، Data Mining، Machine Learning و دیگر موارد لازم در علم داده مورد استفاده قرار می‌گیرند. نرم افزارهایی که در این دوره با آنها کار می‌کنیم، عمدتاً نرم افزارهای SPSS و Python می‌باشند. استفاده از ابزارها با توجه به پیش زمینه تحصیلی-علمی دانشپذیران و یا نیازِ پروژه می‌باشد. بسیاری از تکنیک‌های دوره “آمار برای علم داده” در پروژه های مختلف بکار می‌روند.

دوره آموزش آمار برای علم داده در رشت :

مباحث آمار برای علم داده:

آموزش آمار برای علم داده | دوره آمار برای علم داده در رشت | شرکت به آوران سیستم

۱٫ آمار توصیفی
• انواع داده‌ها و پردازش داده‌ها
• نمونه و جامعه
• شاخص‌های مرکزی و پراکندگی
• شاخص‌های شکل توزیع (چولگی و کشیدگی)
• نمودارهای فراوانی داده‌ها (هیستوگرام، نمودار دایره‌ای و میله‌ای)
(همراه با تحلیل داده‌ها در نرم افزار SPSS)
2. متغیرهای تصادفی و توزیع‌های توام
• تعریف متغیر تصادفی و انواع آن (گسسته، پیوسته و آمیخته)
• مفهوم واریانس و کواریانس
• مفهوم همبستگی بین متغیرها
• تابع جرم احتمال و چگالی توام
• توزیع حاشیه‌ای
• قضیه حد مرکزی
(همراه با حل تحلیلی مسائل در نرم افزار SPSS)

3. مفاهیم کاربردی
• مفهوم فرضیه برای آزمون‌ها و انواع فرضیه همراه با مثال‌های کاربردی
• فرضیه آماری و فرضیه پژوهش
• سطح اطمینان، Sig و P-value
• انواع آزمون‌های آماری

۴٫ توزیع‌های نمونه‌ای و آزمون فرض

آموزش آمار برای علم داده |آمار برای علم داده در رشت | دوره آمار برای علم داده در رشت | شرکت به آوران سیستم

• آزمون ناپارامتریک کولموگروف-اسمیرنوف (K-S)
• توزیع کای دو (Chi-Square)
• آزمون‌های مقایسه‌ای T (تک نمونه‌ای، زوج مستقل و زوج وابسته)
• آزمون تحلیل واریانس (ANOVA)
• توکی
• پیرسون و اسپیرمن
• فیشر
• آزمون تحلیل کوواریانس (ANCOVA, MANCOVA)
• آزمون ناپارامتریک کراسکال والیس
• آزمون من-ویتنی
(همراه با حل تحلیلی مسائل در SPSS)

5. رگرسیون
• مفهوم رگرسیون و انواع آن
• رگرسیون خطی ساده (Linear Regression)
• رگرسیون خطی چند وجهی (Multiple Regression)

• رگرسیون غیر خطی (Non-Linear Regression)
• رگرسیون لُجستیک
(همراه با حل مسائل کاربردی در نرم افزار SPSS)

6. خوشه بندی (Clustering)
• مفاهیم اساسی
• خوشه بندی سلسله مراتبی
• خوشه بندی K-Mean
(همراه با حل مسائل کاربردی در نرم افزار SPSS)

با توجه به نیاز دانشپذیران محترم، حل مسائل در نرم افزارهای SPSS، Python و یا R انجام می‌شود.

برای کسب اطلاعات بیشتر، مشاوره تخصصی و انجام خدمات ما از جمله آموزش می توانید با خانم دکتر محمدی با شماره ۰۹۰۳۴۱۷۷۱۹۱ و یا خانم دکتر مریم ظهوری (مدرس و مجری پروژه‌ها) با شماره ۰۹۱۱۲۴۸۱۴۰۲ تماس حاصل فرمائید.

جهت ارتباط با ما و ثبت نام در این دوره اینجا کلیک نمایید .