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 یادگیری و شناخت ماهیت داده‌‌ها، Data Visualization، Data Mining، Machine Learning و دیگر موارد لازم در علم داده و آنالیز داده‌‌ها مورد استفاده قرار می‌گیرند. نرم افزارهایی که در این دوره با آنها کار می‌کنیم، عمدتاً نرم افزارهای SPSS، R و Python می‌باشند. استفاده از ابزارها با توجه به پیش زمینه تحصیلی-علمی دانشپذیران و یا نیازِ پروژه متفاوت می‌باشد. بسیاری از تکنیک‌های دوره “آمار برای علم داده” در پروژه های مختلف مربوط به داده ها بکار می‌روند.

دوره آموزش آمار برای علم داده در رشت :

مباحث آمار برای علم داده:

آموزش آمار برای علم داده| آمار برای تجزیه و تحلیل داده ها رشت | دوره آمار برای علم داده در رشت | شرکت به آوران سیستم گیل

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 افزارهای  SPSS، R , یا Python)

۲٫ 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 افزارهای  SPSS، R و یا Python)

۳٫ 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

• 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 Python یا R ، SPSS)

۵٫ 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 تحلیلی مسائل در Python یا R ، SPSS)

۶٫ خوشه بندی (Clustering)
• مفاهیم اساسی
• خوشه بندی سلسله مراتبی
• خوشه بندی K-Mean
(همراه با حل تحلیلی مسائل در Python یا R ، SPSS)

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

این دوره را می‌توان به عنوان پیش نیاز دوره های پایتون، آر، متلب و اس پی اس اس برای دانشپذیرانی که قصد تحصیل و یا ورود به بازار کار در حوزه داده ها دارند، معرفی کرد.

مدت دوره: ۴۵ ساعت

شهریه دوره: ۱۱٫۰۰۰٫۰۰۰ تومان

شروع دوره: ۱۲ اردیبهشت 1404

این دوره از اصلی ترین نیازمندیهای دانشجویان دیتا ساینس می‌باشد.

برای کسب اطلاعات بیشتر، مشاوره تخصصی و انجام خدمات ما از جمله آموزش با ما تماس حاصل فرمائید.

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