آموزش محاسبات آماری مدرن و مدل‌سازی رگرسیون در R - آخرین آپدیت

مقدمه‌ای بر دوره Course Introduction

• مقدمه‌ای بر دوره Course Introduction

• یک قرن محاسبات آماری A Century of Statistical Computing

• اکسل برای تحلیل داده‌ها Excel for Data Analysis

• عملیات پایه در تابلو (Tableau) Basic Operations in Tableau

• آشنایی با R و RStudio، بخش اول Introduction to R and RStudio, Part 1

• آشنایی با R و RStudio، بخش دوم Introduction to R and RStudio, Part 2

• دموی R Markdown R Markdown Demo

• ژوپیتر نوت‌بوک، کرنل‌ها و Databricks Jupyter Notebooks, Kernels, and Databricks

• دموی Jupyter Lab Jupyter Lab Demo

استفاده از R برای شبیه‌سازی Using R for Simulation

• شبیه‌سازی‌های مونت‌کارلو Monte Carlo Simulations

• توزیع‌ها و PRNG در R Distributions and PRNG in R

• بخش اول: مقدمه‌ای بر محاسبات موازی: مزایا و کاربردها Segment 1: Introduction to Parallel Computing: Benefits and Applications

• بخش دوم: محاسبات موازی در R: کتابخانه Parallel و انواع Workerها Segment 2: Parallel Computation in R: Parallel Library and Worker Types

• بخش سوم: حل اثرات جانبی و بهینه‌سازی محاسبات موازی Segment 3: Solving for Side Effects and Optimizing Parallel Computing

• بخش چهارم: راه‌اندازی کلاستر Worker و دمو Segment 4: Worker Cluster Set-Up and Demo

• دموی استفاده از یک کلاستر ساده Using a Simple Cluster Demo

• بخش اول: مقدمه و تست تغییرات وب‌سایت Segment 1: Introduction and Testing a Website Change

• بخش دوم: اجرای تست Segment 2: Perform the Test

• بخش سوم: عملکرد بلندمدت و توقف زودهنگام برنامه‌ریزی نشده Segment 3: Long Run Performance & Unplanned Early Stopping

• بخش چهارم: تغییر نرخ موفقیت Segment 4: Changing Success Rate

رگرسیون مدل خطی، تشخیص خطا و نسخه‌های جریمه‌شده Linear Model Regression, Diagnostics, and Penalized Versions

• رگرسیون خطی معمولی Ordinary Linear Regression

• بخش اول: مقدمه‌ای بر تشخیص خطا و اصلاح Segment 1: Introduction to Diagnostics and Remediation

• بخش دوم: مقدمه‌ای بر کوارتت آنسکامب و نمودارهای تشخیصی Segment 2: Introduction to Anscombe’s Quartet and Diagnostic Plots

• بخش سوم: تشخیص‌های اثرگذاری و نمودارها Segment 3: Influence Diagnostics and Plots

• بخش چهارم: حل مشکل هم‌خطی چندگانه (Multicollinearity) Segment 4: Solving for the Problem of Multicollinearity

• بخش پنجم: حل مشکل واریانس ناهمگن Segment 5: Solving for the Problem of Non-Constant Variance

• مدل خطی و محدوده (Scope) Linear Model and Scope

• فرمول‌ها و فاکتورها، بخش اول Formula and Factors, Part 1

• ماتریس مدل و نمادگذاری ویلکینسون Model Matrix and Wilkinson Notation

• بخش اول: مقیاس‌بندی فاکتورهای عددی Segment 1: Scaling Numeric Factors

• بخش دوم: مدیریت فاکتورهای دسته‌ای (Categorical) Segment 2: Handling Categorical Factors

• بخش سوم: تعریف فاکتور در R Segment 3: Define a Factor in R

• بخش چهارم: تست وب‌سایت و کدگذاری Dummy Segment 4: Web Site Test and Dummy Coding

• بخش پنجم: کدگذاری اثر (Effect Coding) Segment 5: Effect Coding

• بخش ششم: تنظیمات کدگذاری در R Segment 6: Setting Coding in R

• بخش هفتم: فاکتورها و برازش (Fitting) Segment 7: Factors and Fitting

• بخش اول: نیاز به رگرسیون منظم (Regularized) Segment 1: The Need for Regularized Regression

• بخش دوم: مقدمه‌ای بر متدها و ابزارهای منظم‌سازی Segment 2: Introduction to Regularization Methods and Tools

• بخش سوم: مثال مقایسه‌ای: رگرسیون Ridge در مقابل رگرسیون Lasso Segment 3: Comparative Example: Ridge Regression Versus Lasso Regression

• بخش چهارم: مثال شبیه‌سازی اعتبارسنجی متقاطع: رگرسیون Ridge Segment 4: Cross-Validation Simulation Example: Ridge Regression

• بخش پنجم: مثال اعتبارسنجی متقاطع: رگرسیون Lasso Segment 5: Cross-Validation Example: Lasso Regression

رگرسیون غیرخطی در R Nonlinear Regression in R

• استفاده از مدل خطی با تبدیل‌ها Using the Linear Model with Transformations

• بخش اول: مقدمه‌ای بر پیاده‌سازی GLM در R Segment 1: Introduction to GLM Implementation in R

• بخش دوم: مثال تحلیل داده‌های پنوموکونیوز با GLM Segment 2: Pneumoconiosis Data Analysis Example with GLM

• بخش سوم: مثال تحلیل داده‌های آسیب هواپیما Segment 3: Aircraft Damage Data Analysis Example

• بخش چهارم: بازبینی داده‌های نخ تابیده، خلاصه و ملاحظات تکمیلی برای GLMها Segment 4: Worsted Yarn Data Re-Visited, Summary and Further Considerations for GLMs