آموزش تفکر آماری برای حل مسائل صنعتی، ارائه شده توسط JMP - آخرین آپدیت

دانلود Statistical Thinking for Industrial Problem Solving, presented by JMP

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره تفکر آماری برای حل مسائل صنعتی، یک دوره آمار کاربردی برای دانشمندان و مهندسان است که توسط JMP (بخشی از SAS) ارائه شده است. دانشجویان با گذراندن این دوره، اهمیت تفکر آماری را درک کرده و قادر خواهند بود از داده‌ها و روش‌های آماری پایه برای حل بسیاری از مسائل دنیای واقعی استفاده کنند. دانشجویان پس از اتمام این دوره قادر خواهند بود: •اهمیت تفکر آماری در حل مسائل را توضیح دهند •اهمیت داده‌ها و مراحل مورد نیاز برای جمع‌آوری و آماده‌سازی داده‌ها جهت تحلیل را شرح دهند •روش‌های اصلی برای خلاصه‌سازی، اکتشاف و تحلیل داده‌ها را مقایسه کرده و زمان به‌کارگیری هر یک را توصیف کنند •اهمیت آزمایش‌های طراحی‌شده به صورت آماری را در درک رابطه علت و معلولی تشخیص دهند

سرفصل ها و درس ها

مرور کلی دوره Course Overview

  • مرور کلی دوره Course Overview

  • چرا به پایه تفکر آماری نیاز دارید Why You Need a Foundation in Statistical Thinking

  • اولین بار است از JMP استفاده می‌کنید؟ تماشای ویدیو راهنمای سریع First Time Using JMP? View the JMP Quickstart Video

ماژول ۱: تفکر آماری و حل مسئله Module 1: Statistical Thinking and Problem Solving

  • مقدمه Introduction

  • تفکر آماری چیست؟ What Is Statistical Thinking?

  • مروری بر حل مسئله Overview of Problem Solving

  • حل مسئله به روش آماری Statistical Problem Solving

  • انواع مسائل Types of Problems

  • تعریف مسئله Defining the Problem

  • اهداف و شاخص‌های کلیدی عملکرد (KPI) Goals and Key Performance Indicators

  • مطالعه موردی پلیمر سفید The White Polymer Case Study

  • فرآیند چیست؟ What Is a Process?

  • توسعه نقشه SIPOC Developing a SIPOC Map

  • توسعه نقشه فرآیند ورودی/خروجی Developing an Input/Output Process Map

  • فلوچارت‌های بالا به پایین و استقرار Top-Down and Deployment Flowcharts

  • خلاصه Summary

  • ابزارهای شناسایی علل احتمالی Tools for Identifying Potential Causes

  • طوفان فکری Brainstorming

  • رای‌گیری چندگانه Multi-voting

  • استفاده از نمودارهای قرابت Using Affinity Diagrams

  • نمودارهای علت و معلول (ایشیکاوا) Cause-and-Effect Diagrams

  • تکنیک ۵ چرا The 5 Whys

  • ماتریس‌های علت و معلول Cause-and-Effect Matrices

  • خلاصه Summary

  • جمع‌آوری داده‌ها برای حل مسئله Data Collection for Problem Solving

  • انواع داده‌ها Types of Data

  • تعاریف عملیاتی Operational Definitions

  • استراتژی‌های جمع‌آوری داده‌ها Data Collection Strategies

  • وارد کردن داده‌ها برای تحلیل Importing Data for Analysis

ماژول ۲-الف: تحلیل اکتشافی داده‌ها، بخش اول Module 2A: Exploratory Data Analysis, Part 1

  • مقدمه Introduction

  • مقدمه‌ای بر آمار توصیفی Introduction to Descriptive Statistics

  • انواع داده‌ها Types of Data

  • هیستوگرام‌ها Histograms

  • دمو: ایجاد هیستوگرام در JMP Demo: Creating Histograms in JMP

  • دمو: ذخیره کار با استفاده از اسکریپت‌ها Demo: Saving Your Work Using Scripts

  • مطالعه موردی تولید مواد شیمیایی The Chemical Manufacturing Case Study

  • مطالعه موردی پلیمر سفید The White Polymer Case Study

  • معیارهای تمایل مرکزی و مکان Measures of Central Tendency and Location

  • دمو: خلاصه‌سازی داده‌های پیوسته با پلتفرم توزیع Demo: Summarizing Continuous Data with the Distribution Platform

  • دمو: خلاصه‌سازی داده‌های پیوسته با Column Viewer و Tabulate Demo: Summarizing Continuous Data with Column Viewer and Tabulate

  • معیارهای پراکندگی: دامنه و دامنه بین‌چارکی Measures of Spread: Range and Interquartile Range

  • دمو: پنهان کردن و حذف داده‌ها Demo: Hiding and Excluding Data

  • معیارهای پراکندگی: واریانس و انحراف معیار Measures of Spread: Variance and Standard Deviation

  • بصری‌سازی داده‌های پیوسته Visualizing Continuous Data

  • دمو: ایجاد خلاصه‌های جدولی با Tabulate Demo: Creating Tabular Summaries with Tabulate

  • دمو: ایجاد نمودارهای پراکندگی و ماتریس‌های پراکندگی Demo: Creating Scatterplots and Scatterplot Matrices

  • دمو: ایجاد نمودارهای جعبه‌ای مقایسه‌ای با Graph Builder Demo: Creating Comparative Box Plots with Graph Builder

  • دمو: ایجاد نمودارهای روند (خطی) با Graph Builder Demo: Creating Run Charts (Line Graphs) with Graph Builder

  • توصیف داده‌های طبقه‌بندی شده (Categorical) Describing Categorical Data

  • ایجاد خلاصه‌های جدولی برای داده‌های طبقه‌بندی شده Creating Tabular Summaries for Categorical Data

  • دمو: ایجاد نمودارهای میله‌ای و نمودارهای موزاییکی Demo: Creating Bar Charts and Mosaic Plots

  • مرور و مقدمه‌ای بر مفاهیم احتمال Review and Introduction to Probability Concepts

  • نمونه‌ها و جامعه آماری Samples and Populations

  • درک توزیع نرمال Understanding the Normal Distribution

  • بررسی نرمال بودن Checking for Normality

  • دمو: بررسی نرمال بودن Demo: Checking for Normality

  • دمو: یافتن مساحت زیر منحنی Demo: Finding the Area Under a Curve

  • قضیه حد مرکزی The Central Limit Theorem

  • دمو: بررسی قضیه حد مرکزی Demo: Exploring the Central Limit Theorem

  • مقدمه‌ای بر تحلیل اکتشافی داده‌ها Introduction to Exploratory Data Analysis

  • بررسی داده‌های پیوسته: ابزارهای پیشرفته Exploring Continuous Data: Enhanced Tools

  • دمو: افزودن نشانگرها، رنگ‌ها و راهنمای ردیف‌ها Demo: Adding Markers, Colors, and Row Legends

  • دمو: جابجایی ستون‌ها در تحلیل Demo: Switching Columns in an Analysis

  • نمودارهای پارتو Pareto Plots

  • دمو: ایجاد نمودارهای میله‌ای مرتب شده و نمودارهای پارتو Demo: Creating Sorted Bar Charts and Pareto Plots

  • نمودارهای میله‌ای متراکم و فیلتر کردن داده‌ها Packed Bar Charts and Data Filtering

  • دمو: ایجاد نمودارهای میله‌ای متراکم Demo: Creating Packed Bar Charts

  • دمو: استفاده از فیلتر داده‌های محلی Demo: Using the Local Data Filter

  • نقشه‌های درختی و نمودارهای موزاییکی Tree Maps and Mosaic Plots

  • دمو: ایجاد نقشه درختی Demo: Creating a Tree Map

  • استفاده از نمودارهای Trellis و متغیرهای هم‌پوشان Using Trellis Plots and Overlay Variables

  • دمو: ایجاد نمودارهای Trellis و استفاده از متغیرهای هم‌پوشان Demo: Creating Trellis Plots and Using Overlay Variables

  • نمودارهای حبابی و نقشه‌های حرارتی Bubble Plots and Heat Maps

  • دمو: ایجاد نمودارهای حبابی Demo: Creating Bubble Plots

  • دمو: ایجاد نقشه‌های حرارتی Demo: Creating Heat Maps

  • بصری‌سازی داده‌های جغرافیایی و مکانی Visualizing Geographic and Spatial Data

  • دمو: ایجاد نقشه جغرافیایی با استفاده از Shape Files Demo: Creating a Geographic Map Using Shape Files

  • دمو: ایجاد نقشه‌ها با استفاده از مختصات Demo: Creating Maps Using Coordinates

  • خلاصه ابزارهای تحلیل اکتشافی داده‌ها Summary of Exploratory Data Analysis Tools

ماژول ۲-ب: تحلیل اکتشافی داده‌ها، بخش دوم Module 2B: Exploratory Data Analysis, Part 2

  • مقدمه‌ای بر ارتباط با داده‌ها Introduction to Communicating with Data

  • ایجاد بصری‌سازی‌های موثر Creating Effective Visualizations

  • ارزیابی اثربخشی یک بصری‌سازی Evaluating the Effectiveness of a Visualization

  • طراحی بصری‌سازی موثر: بخش اول Designing an Effective Visualization: Part 1

  • طراحی بصری‌سازی موثر: بخش دوم Designing an Effective Visualization: Part 2

  • ارتباط بصری با انیمیشن Communicating Visually with Animation

  • طراحی متناسب با مخاطبان شما Designing for Your Audience

  • درک مخاطبان هدف Understanding Your Target Audience

  • طراحی بصری‌سازی‌ها برای ارتباطات Designing Visualizations for Communication

  • طراحی بصری‌سازی: بایدها Designing Visualizations: The Do's

  • طراحی بصری‌سازی: نبایدها Designing Visualizations: The Don'ts

  • دمو: شخصی‌سازی گرافیک‌ها Demo: Customizing Graphics

  • مقدمه‌ای بر ذخیره‌سازی و اشتراک‌گذاری نتایج Introduction to Saving and Sharing Results

  • ذخیره و اشتراک‌گذاری نتایج در JMP Saving and Sharing Results in JMP

  • ذخیره و اشتراک‌گذاری نتایج خارج از JMP Saving and Sharing Results outside of JMP

  • تصمیم‌گیری در مورد فرمت مورد استفاده Deciding Which Format to Use

  • دمو: سازماندهی اسکریپت‌های ذخیره شده Demo: Organizing Your Saved Scripts

  • دمو: ترکیب اسکریپت‌های JMP برای تحلیل‌ها Demo: Combining JMP Scripts for Analyses

  • دمو: اشتراک‌گذاری خروجی‌های استاتیک Demo: Sharing Static Output

  • دمو: ذخیره کار در JMP Journal Demo: Saving Your Work in a JMP Journal

  • ضروریات جداول داده Data Tables Essentials

  • مشکلات رایج کیفیت داده‌ها Common Data Quality Issues

  • شناسایی مشکلات در جدول داده‌ها Identifying Issues in the Data Table

  • شناسایی مشکلات به صورت تک متغیر Identifying Issues One Variable at a Time

  • خلاصه آموخته‌ها Summarizing What You Have Learned

  • دمو: بررسی مقادیر گم‌شده (Missing Values) Demo: Exploring Missing Values

  • دمو: استفاده از Recode Demo: Using Recode

  • بازسازی داده‌ها برای تحلیل Restructuring Data for Analysis

  • دمو: پشته‌سازی (Stacking) و تقسیم (Splitting) داده‌ها Demo: Stacking and Splitting Data

  • ترکیب داده‌ها Combining Data

  • دمو: الحاق (Concatenating) جداول داده Demo: Concatenating Data Tables

  • دمو: پیوند (Joining) جداول داده Demo: Joining Data Tables

  • استخراج متغیرهای جدید Deriving New Variables

  • دمو: دسته‌بندی داده‌ها با استفاده از دستورات شرطی IF THEN Demo: Binning Data Using Conditional IF-THEN Statements

  • دمو: تبدیل داده‌ها Demo: Transforming Data

  • کار با تاریخ‌ها Working with Dates

ماژول ۳: روش‌های کیفیت Module 3: Quality Methods

  • مقدمه Introduction

  • مروری بر روش‌های کیفیت Quality Methods Overview

  • مقدمه‌ای بر نمودارهای کنترل Introduction to Control Charts

  • نمودارهای I و MR (فردی و محدوده متحرک) Individual and Moving Range Charts

  • دمو: ایجاد نمودار I و MR با استفاده از Control Chart Builder Demo: Creating an I and MR Chart Using the Control Chart Builder

  • تغییرات علت مشترک در مقابل علت خاص Common Cause versus Special Cause Variation

  • آزمون برای علل خاص Testing for Special Causes

  • دمو: آزمون علل خاص در Control Chart Builder Demo: Testing for Special Causes in the Control Chart Builder

  • نمودارهای X-bar و R و X-bar و S X-bar and R and X-bar and S Charts

  • دمو: ایجاد نمودارهای X-bar و R و X-bar و S Demo: Creating X-bar and R and X-bar and S Charts

  • زیرگروه‌بندی منطقی Rational Subgrouping

  • نمودارهای کنترل ۳ جهته 3-Way Control Charts

  • دمو: ایجاد نمودارهای کنترل ۳ جهته Demo: Creating 3-Way Control Charts

  • نمودارهای کنترل دارای فاز Control Charts with Phases

  • دمو: افزودن فازها به نمودارهای کنترل Demo: Adding Phases to Control Charts

  • صدای مشتری (VOC) The Voice of the Customer

  • شاخص‌های قابلیت فرآیند Process Capability Indices

  • تخمین‌های کوتاه‌مدت و بلندمدت قابلیت Short- and Long-Term Estimates of Capability

  • درک قابلیت برای بهبود فرآیند Understanding Capability for Process Improvement

  • تخمین قابلیت فرآیند: یک مثال Estimating Process Capability: An Example

  • دمو: محاسبه شاخص‌های قابلیت با پلتفرم توزیع Demo: Calculating Capability Indices Using the Distribution Platform

  • دمو: اجرای تحلیل قابلیت با Control Chart Builder Demo: Conducting a Capability Analysis Using the Control Chart Builder

  • محاسبه قابلیت برای داده‌های غیرنرمال Calculating Capability for Nonnormal Data

  • دمو: تخمین قابلیت برای داده‌های غیرنرمال Demo: Estimating Capability for Nonnormal Data

  • تخمین قابلیت فرآیند برای متغیرهای متعدد Estimating Process Capability for Many Variables

  • شناسایی فرآیندهایی با عملکرد ضعیف Identifying Poorly Performing Processes

  • دمو: شناسایی فرآیندهایی با عملکرد ضعیف Demo: Identifying Poorly Performing Processes

  • نگاهی به صنعت A View from Industry

  • تحلیل سیستم اندازه‌گیری (MSA) چیست What is a Measurement Systems Analysis

  • زبان و اصطلاحات Language and Terminology

  • طراحی مطالعه سیستم اندازه‌گیری Designing a Measurement System Study

  • طراحی و اجرای MSA Designing and Conducting an MSA

  • دمو: ایجاد کاربرگ مطالعه گیج Demo: Creating a Gauge Study Worksheet

  • تحلیل MSA با بصری‌سازی‌ها Analyzing an MSA with Visualizations

  • دمو: بصری‌سازی تغییرات سیستم اندازه‌گیری Demo: Visualizing Measurement System Variation

  • تحلیل MSA Analyzing the MSA

  • دمو: تحلیل MSA، روش EMP Demo: Analyzing an MSA, EMP Method

  • دمو: اجرای تحلیل Gauge R&R Demo: Conducting a Gauge R&R Analysis

  • مطالعه دقت سیستم اندازه‌گیری Studying Measurement System Accuracy

  • دمو: تحلیل سوگیری (Bias) سیستم اندازه‌گیری Demo: Analyzing Measurement System Bias

  • بهبود فرآیند اندازه‌گیری Improving the Measurement Process

ماژول ۴: تصمیم‌گیری با داده‌ها Module 4: Decision Making with Data

  • مقدمه‌ای بر تصمیم‌گیری با داده‌ها Introduction to Decision Making with Data

  • مقدمه‌ای بر استنباط آماری Introduction to Statistical Inference

  • فاصله اطمینان چیست؟ What Is a Confidence Interval?

  • یک مثال کاربردی A Practical Example

  • تخمین میانگین Estimating a Mean

  • بصری‌سازی تغییرات نمونه‌برداری Visualizing Sampling Variation

  • ساخت فواصل اطمینان Constructing Confidence Intervals

  • دمو: درک سطح اطمینان و ریسک آلفا Demo: Understanding the Confidence Level and Alpha Risk

  • دمو: محاسبه فواصل اطمینان Demo: Calculating Confidence Intervals

  • فواصل پیش‌بینی Prediction Intervals

  • فواصل تلورانس Tolerance Intervals

  • دمو: محاسبه فواصل پیش‌بینی و تلورانس Demo: Calculating Prediction and Tolerance Intervals

  • مقایسه تخمین‌های بازه‌ای Comparing Interval Estimates

  • مقدمه‌ای بر آزمون‌های آماری Introduction to Statistical Testing

  • تصمیم‌گیری آماری Statistical Decision Making

  • درک فرضیه صفر و فرضیه جایگزین Understanding the Null and Alternative Hypothesis

  • توزیع نمونه‌برداری تحت فرضیه صفر Sampling Distribution under the Null

  • مقدار p-value و معناداری آماری The p-Value and Statistical Significance

  • خلاصه مبانی آزمون‌های آماری Summary of Foundations in Statistical Testing

  • اجرای آزمون t تک‌نمونه‌ای Conducting a One-Sample t Test

  • دمو: اجرای آزمون t تک‌نمونه‌ای Demo: Conducting a One-Sample t Test

  • دمو: درک p-valueها و نسبت‌های t Demo: Understanding p-Values and t Ratios

  • آزمون هم‌ارزی Equivalence Testing

  • مقایسه دو میانگین Comparing Two Means

  • آزمون‌های t دو نمونه‌ای Two-Sample t Tests

  • آزمون‌های واریانس نابرابر Unequal Variances Tests

  • دمو: اجرای آزمون t دو نمونه‌ای Demo: Conducting a Two-Sample t Test

  • مشاهدات جفتی Paired Observations

  • دمو: اجرای آزمون t جفتی Demo: Performing a Paired t Test

  • مقایسه بیش از دو میانگین Comparing More Than Two Means

  • آنالیز واریانس یک‌طرفه (One Way ANOVA) One-Way ANOVA (Analysis of Variance)

  • مقایسه‌های چندگانه Multiple Comparisons

  • دمو: مقایسه بیش از دو میانگین Demo: Comparing More Than Two Means

  • بازبینی معناداری آماری در مقابل معناداری کاربردی Revisiting Statistical Versus Practical Significance

  • خلاصه آزمون فرضیه برای داده‌های پیوسته Summary of Hypothesis Testing for Continuous Data

  • مقدمه‌ای بر اندازه نمونه و توان (Power) Introduction to Sample Size and Power

  • اندازه نمونه برای فاصله اطمینان میانگین Sample Size for a Confidence Interval for the Mean

  • دمو: محاسبه اندازه نمونه برای فاصله اطمینان Demo: Calculating the Sample Size for a Confidence Interval

  • نتایج آزمون‌های آماری Outcomes of Statistical Tests

  • توان آماری Statistical Power

  • بررسی اندازه نمونه و توان Exploring Sample Size and Power

  • دمو: بررسی انیمیشن توان Demo: Exploring the Power Animation

  • محاسبه اندازه نمونه برای آزمون t تک‌نمونه‌ای Calculating the Sample Size for One-Sample t Tests

  • دمو: محاسبه اندازه نمونه برای آزمون t تک‌نمونه‌ای Demo: Calculating the Sample Size for a One-Sample t Test

  • محاسبه اندازه نمونه برای آزمون t دو نمونه‌ای Calculating the Sample Size for Two-Sample t Tests

  • دمو: محاسبه اندازه نمونه برای دو یا چند میانگین نمونه Demo: Calculating the Sample Size for Two or More Sample Means

  • خلاصه اندازه نمونه و توان Summary of Sample Size and Power

ماژول ۵: همبستگی و رگرسیون Module 5: Correlation and Regression

  • مقدمه Introduction

  • همبستگی چیست؟ What Is Correlation?

  • تفسیر همبستگی Interpreting Correlation

  • دمو: بررسی تأثیر داده‌های پرت بر همبستگی Demo: Exploring the Impact of Outliers on Correlation

  • دمو: ارزیابی همبستگی‌ها Demo: Assessing Correlations

  • مقدمه‌ای بر تحلیل رگرسیون Introduction to Regression Analysis

  • دمو: برازش یک مدل رگرسیون Demo: Fitting a Regression Model

  • مدل رگرسیون خطی ساده The Simple Linear Regression Model

  • روش کمترین مربعات The Method of Least Squares

  • دمو: روش کمترین مربعات Demo: The Method of Least Squares

  • بصری‌سازی روش کمترین مربعات Visualizing the Method of Least Squares

  • مفروضات مدل رگرسیون Regression Model Assumptions

  • دمو: ارزیابی مفروضات مدل Demo: Evaluating Model Assumptions

  • تفسیر نتایج رگرسیون Interpreting Regression Results

  • دمو: تفسیر نتایج تحلیل رگرسیون Demo: Interpreting Regression Analysis Results

  • برازش مدل با انحنا (Curvature) Fitting a Model with Curvature

  • دمو: برازش مدل‌های چندجمله‌ای Demo: Fitting Polynomial Models

  • رگرسیون خطی چندگانه چیست؟ What is Multiple Linear Regression?

  • برازش مدل رگرسیون خطی چندگانه Fitting the Multiple Linear Regression Model

  • دمو: برازش مدل‌های رگرسیون خطی چندگانه Demo: Fitting Multiple Linear Regression Models

  • تفسیر نتایج در مدل‌سازی تبیینی Interpreting Results in Explanatory Modeling

  • دمو: استفاده از Prediction Profiler Demo: Using the Prediction Profiler

  • تحلیل باقیات و داده‌های پرت Residual Analysis and Outliers

  • دمو: تحلیل باقیات و داده‌های پرت Demo: Analyzing Residuals and Outliers

  • رگرسیون خطی چندگانه با پیش‌بین‌های طبقه‌بندی شده Multiple Linear Regression with Categorical Predictors

  • دمو: برازش مدل با پیش‌بین‌های طبقه‌بندی شده Demo: Fitting a Model with Categorical Predictors

  • رگرسیون خطی چندگانه با اثرات متقابل (Interactions) Multiple Linear Regression with Interactions

  • دمو: برازش مدل با اثرات متقابل Demo: Fitting a Model with Interactions

  • انتخاب متغیر Variable Selection

  • دمو: انتخاب متغیرها با استفاده از Effect Summary Demo: Selecting Variables Using Effect Summary

  • هم‌خطی چندگانه (Multicollinearity) Multicollinearity

  • دمو: ارزیابی هم‌خطی چندگانه Demo: Assessing Multicollinearity

  • نکات پایانی در مورد رگرسیون خطی چندگانه Closing Thoughts on Multiple Linear Regression

  • رگرسیون لجستیک چیست؟ What Is Logistic Regression?

  • مدل لجستیک ساده The Simple Logistic Model

  • مثال رگرسیون لجستیک ساده Simple Logistic Regression Example

  • تفسیر نتایج رگرسیون لجستیک Interpreting Logistic Regression Results

  • دمو: برازش یک مدل رگرسیون لجستیک ساده Demo: Fitting a Simple Logistic Regression Model

  • رگرسیون لجستیک چندگانه Multiple Logistic Regression

  • دمو: برازش یک مدل رگرسیون لجستیک چندگانه Demo: Fitting a Multiple Logistic Regression Model

  • رگرسیون لجستیک با اثرات متقابل Logistic Regression with Interactions

  • دمو: برازش مدل رگرسیون لجستیک با اثرات متقابل Demo: Fitting a Logistic Regression Model with Interactions

  • مشکلات رایج Common Issues

ماژول ۶: طراحی آزمایش‌ها (DOE) Module 6: Design of Experiments (DOE)

  • مقدمه Introduction

  • نگاهی به صنعت A View from Industry

  • طراحی آزمایش (DOE) چیست؟ What is DOE?

  • اجرای آزمایش‌های موردی و تک‌عاملی (OFAT) Conducting Ad Hoc and One-Factor-at-a-Time (OFAT) Experiments

  • چرا از DOE استفاده کنیم؟ Why Use DOE?

  • اصطلاحات DOE Terminology of DOE

  • انواع طراحی‌های آزمایشی Types of Experimental Designs

  • طراحی آزمایش‌های فاکتوریل Designing Factorial Experiments

  • دمو: طراحی آزمایش‌های فاکتوریل کامل Demo: Designing Full Factorial Experiments

  • تحلیل فاکتوریل کامل تکرار شده Analyzing a Replicated Full Factorial

  • تحلیل فاکتوریل کامل تکرار نشده Analyzing an Unreplicated Full Factorial

  • دمو: تحلیل آزمایش‌های فاکتوریل کامل Demo: Analyzing Full Factorial Experiments

  • خلاصه آزمایش‌های فاکتوریل Summary of Factorial Experiments

  • غربالگری برای اثرات مهم Screening for Important Effects

  • نگاهی به طراحی‌های فاکتوریل کسری A Look at Fractional Factorial Designs

  • دمو: ایجاد طراحی‌های فاکتوریل کسری 2^k r Demo: Creating 2^k-r Fractional Factorial Designs

  • طراحی‌های غربالگری سفارشی Custom Screening Designs

  • دمو: ایجاد طراحی‌های غربالگری در Custom Designer Demo: Creating Screening Designs in the Custom Designer

  • مقدمه‌ای بر طراحی‌های سطح پاسخ (RSM) Introduction to Response Surface Designs

  • طراحی‌های سطح پاسخ برای دو عامل Response Surface Designs for Two Factors

  • تحلیل آزمایش‌های سطح پاسخ Analyzing Response Surface Experiments

  • دمو: طراحی یک مدل ترکیبی مرکزی (CCD) Demo: Designing a Central Composite Design

  • ایجاد طراحی‌های سطح پاسخ سفارشی Creating Custom Response Surface Designs

  • آزمایشگری متوالی Sequential Experimentation

  • خلاصه سطح پاسخ Response Surface Summary

  • مقدمه‌ای بر دستورالعمل‌های DOE Introduction to DOE Guidelines

  • تعریف مسئله و اهداف Defining the Problem and the Objectives

  • شناسایی پاسخ‌ها Identifying the Responses

  • شناسایی عوامل و سطوح عوامل Identifying the Factors and Factor Levels

  • شناسایی محدودیت‌ها و قیود Identifying Restrictions and Constraints

  • آماده‌سازی برای اجرای آزمایش Preparing to Conduct the Experiment

  • مطالعه موردی آنودایز: بخش اول The Anodize Case Study: Part 1

  • مطالعه موردی آنودایز: بخش دوم The Anodize Case Study: Part 2

  • خلاصه Summary

  • دمو: بهینه‌سازی پاسخ‌های متعدد Demo: Optimizing Multiple Responses

  • دمو: شبیه‌سازی داده‌ها با استفاده از Prediction Profiler Demo: Simulating Data Using the Prediction Profiler

ماژول ۷: مدل‌سازی پیش‌بینانه و متن‌کاوی Module 7: Predictive Modeling and Text Mining

  • مقدمه Introduction

  • مقدمه‌ای بر مدل‌سازی پیش‌بینانه Introduction to Predictive Modeling

  • بیش‌برازش (Overfitting) و اعتبارسنجی مدل Overfitting and Model Validation

  • دمو: ایجاد ستون اعتبارسنجی Demo: Creating a Validation Column

  • ارزیابی عملکرد مدل: مدل‌های پیش‌بینی Assessing Model Performance: Prediction Models

  • دمو: برازش مدل رگرسیون خطی چندگانه با اعتبارسنجی Demo: Fitting a Multiple Linear Regression Model with Validation

  • ارزیابی عملکرد مدل: مدل‌های طبقه‌بندی Assessing Model Performance: Classification Models

  • منحنی‌های ویژگی عملیاتی گیرنده (ROC) Receiver-Operating Characteristic (ROC) Curves

  • دمو: برازش مدل لجستیک با اعتبارسنجی Demo: Fitting a Logistic Model with Validation

  • دمو: تغییر نقطه برش (Cutoff) برای طبقه‌بندی Demo: Changing the Cutoff for Classification

  • مقدمه‌ای بر درخت‌های تصمیم Introduction to Decision Trees

  • درخت‌های طبقه‌بندی Classification Trees

  • دمو: ایجاد یک درخت طبقه‌بندی Demo: Creating a Classification Tree

  • درخت‌های رگرسیون Regression Trees

  • دمو: برازش یک درخت رگرسیون Demo: Fitting a Regression Tree

  • درخت‌های تصمیم با اعتبارسنجی Decision Trees with Validation

  • دمو: برازش درخت تصمیم با اعتبارسنجی Demo: Fitting a Decision Tree with Validation

  • جنگل‌های تصادفی (Bootstrap Forests) Random (Bootstrap) Forests

  • دمو: انتخاب متغیر با جنگل بوت استرپ Demo: Variable Selection with a Bootstrap Forest

  • شبکه عصبی چیست؟ What is a Neural Network?

  • تفسیر شبکه‌های عصبی Interpreting Neural Networks

  • دمو: برازش یک شبکه عصبی Demo: Fitting a Neural Network

  • مدل‌سازی پیش‌بینانه با شبکه‌های عصبی Predictive Modeling with Neural Networks

  • دمو: برازش مدل عصبی با دو لایه Demo: Fitting a Neural Model with Two Layers

  • مقدمه‌ای بر رگرسیون تعمیم‌یافته Introduction to Generalized Regression

  • برازش مدل‌ها با استفاده از حداکثر احتمال (Maximum Likelihood) Fitting Models Using Maximum Likelihood

  • دمو: برازش مدل خطی در رگرسیون تعمیم‌یافته Demo: Fitting a Linear Model in Generalized Regression

  • دمو: انتخاب متغیر در رگرسیون تعمیم‌یافته Demo: Variable Selection in Generalized Regression

  • مقدمه‌ای بر رگرسیون جریمه‌شده (Penalized Regression) Introduction to Penalized Regression

  • دمو: برازش مدل رگرسیون جریمه‌شده (Lasso) Demo: Fitting a Penalized Regression (Lasso) Model

  • مقایسه مدل‌های پیش‌بینانه Comparing Predictive Models

  • دمو: مقایسه و انتخاب مدل‌های پیش‌بینانه Demo: Comparing and Selecting Predictive Models

  • مقدمه‌ای بر متن‌کاوی (Text Mining) Introduction to Text Mining

  • پردازش داده‌های متنی Processing Text Data

  • مدیریت لیست اصطلاحات Curating the Term List

  • دمو: پردازش داده‌های متنی بدون ساختار Demo: Processing Unstructured Text Data

  • بصری‌سازی و بررسی داده‌های متنی Visualizing and Exploring Text Data

  • دمو: بصری‌سازی و بررسی داده‌های متنی Demo: Visualizing and Exploring Text Data

  • تحلیل (کاوش) داده‌های متنی Analyzing (Mining) Text Data

سوالات مرور و مطالعات موردی Review Questions and Case Studies

نمایش نظرات

آموزش تفکر آماری برای حل مسائل صنعتی، ارائه شده توسط JMP
جزییات دوره
53h 3m
321
(آخرین آپدیت)
12,620
4.8 از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده