آموزش تحلیل داده‌های آماری برای کسب‌وکار و مدیریت (۱) - آخرین آپدیت

دانلود 商管統計資料分析一 (Analytics for Business and Management (I))

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره، اولین بخش از یک سری آموزشی سه قسمتی است. این مجموعه آموزشی به طور جامع به تدریس مدل‌ها و تکنیک‌های تحلیل آماری از نوع رگرسیونی (regression-type) می‌پردازد. در این دوره، مفاهیم از طریق بررسی تعداد زیادی از مثال‌های عملی در دنیای مدیریت و کسب‌وکار تبیین شده و با استفاده از زبان برنامه‌نویسی آماری R مدل‌سازی می‌شوند. همچنین اسکریپت‌های کامل و مجموعه‌داده‌ها در اختیار دانشجویان قرار می‌گیرد تا با اجرای عملی، تفکر تحلیلی و مهارت‌های کاربردی در تحلیل آماری را کسب کنند. بخش اول، دوره‌ای بنیادی است که دیدگاه کلی درباره تحلیل آماری و مدل‌های رگرسیون را ارائه می‌دهد؛ شامل مباحثی چون تفکر آماری (statistical thinking)، تحلیل اکتشافی داده‌ها (EDA)، اصول و پیش‌فرض‌های مدل‌های رگرسیون، تخمین پارامترها و تعیین خطا، ارزیابی و تست مدل، پیش‌بینی و کاربردها، تبدیل متغیرها و انتخاب ویژگی، شناسایی داده‌های پرت و محدودیت‌های مدل‌سازی.

سرفصل ها و درس ها

تفکر آماری Statistical Thinking

  • 1-0-سرفصل‌ها 1-0 Outlines

  • 1-1-1-آمار چیست 1-1-1 What Statistics is

  • 1-1-2-دیدگاه فرآیندی SIPOC 1-1-2 Process View- SIPOC

  • 1-1-3-مدل‌سازی آماری 1-1-3 Statistical Modeling

  • 1-1-4-مدل بهبود 1-1-4 Improvement Model

  • 1-1-5-مهندسی آماری 1-1-5 Statistical Engineering

  • 1-1-6-سه اصل اساسی 1-1-6 Three Principles

  • 1-1-7-کاربردهای تفکر آماری 1-1-7 Applications of Statistical Thinking

  • 1-2-1-تحلیل داده‌ها و کسب‌وکار 1-2-1 Analytics and Business

  • 1-2-2-سطوح تحلیل 1-2-2 Level of Analytics

  • 1-2-3-کاربردهای تحلیل داده‌ها 1-2-3 Applications of Analytics

  • 1-2-4-آمار به عنوان ابزار حل مسئله 1-2-4 Statistics as Problem Solving

  • 1-2-5-مفاهیم کلیدی آمار 1-2-5 Key Statistical Concepts

  • 1-3-آمار برای تصمیم‌گیری و مزیت رقابتی 1-3 Statistics for Decision Making and Competitive Advantage

  • 1-4-جمع‌بندی 1-4 Summary

تحلیل اکتشافی داده‌ها (EDA) Exploratory Data Analysis (EDA)

  • 2-0-سرفصل‌ها 2-0 Outlines

  • 2-1-1-آشنایی با زبان R 2-1-1 Introduction to R

  • 2-1-2-مبانی R 2-1-2 R Basics

  • 2-2-تحلیل اکتشافی داده‌ها 2-2 Exploratory Data Analysis

  • 2-3-خلاصه‌سازی داده‌ها 2-3 Summarizing Data

  • 2-4-1-نمایش داده‌ها: نمودار پراکندگی 2-4-1 Representing Data - Scatter Plot

  • 2-4-2-نمایش داده‌ها: نمودارهای ترکیبی 2-4-2 Representing Data - Integrated Plots

  • 2-4-3-نمایش داده‌ها: ماتریس نمودارهای پراکندگی 2-4-3 Representing Data - Scatterplot Matrix

  • 2-5-گرافیک در R: نمودارهای Trellis 2-5 R Graphics: Trellis Plots

  • 2-6-جمع‌بندی 2-6 Summary

مدل خطی: رگرسیون خطی ساده (SLR) Linear Model: Simple Linear Regression (SLR)

  • 3-0-سرفصل‌ها 3-0 Outlines

  • 3-1-1-مدل رگرسیون خطی ساده 3-1-1 Simple Linear Regression Model

  • 3-1-2-مثال در R 3-1-2 R Example

  • 3-2-تخمین‌گرهای کمترین مربعات 3-2 Least Squares Estimators

  • 3-3-شاخص نیکویی برازش: ضریب تعیین R2 3-3 Goodness of Fit - Coefficient of Determination R2

  • 3-4-1-پیش‌فرض‌های مدل SLR 3-4-1 Assumptions about SLR Model

  • 3-4-2-پیش‌فرض‌های تکمیلی درباره خطاها (Ei) 3-4-2 Further Assumptions on Ei

  • 3-5-1-استنباط در تحلیل رگرسیون 3-5-1 Inference in Regression Analysis

  • 3-5-2-بازه اطمینان شیب خط 3-5-2 Slope Confidence Interval

  • 3-5-3-تفسیر R2 3-5-3 Interpreting R2

  • 3-6-بررسی پیش‌فرض‌های مدل 3-6 Checking Model Assumptions

  • 3-7-پاسخ تخمینی و پیش‌بینی شده 3-7 Estimated & Predicted Response

  • 3-8-جمع‌بندی 3-8 Summary

مدل خطی: رگرسیون خطی چندگانه (MLR) Linear Model: Multiple Linear Regression (MLR)

  • 4-0-سرفصل‌ها 4-0 Outline

  • 4-1-1-رگرسیون خطی چندگانه 4-1-1 Multiple Linear Regression

  • 4-1-2-مثال در R 4-1-2 R Example

  • 4-2-1-ارزیابی مدل 4-2-1 Model Assessment

  • 4-2-2-مثال در R 4-2-2 R Example

  • 4-3-خطای استاندارد باقیات 4-3 Residual Standard Error

  • 4-4-1-استنباط آماری: آزمون F برای سودمندی کلی 4-4-1 Statistical Inference - Global Usefulness F-test

  • 4-4-2-آزمون F برای مدل‌های تودرتو 4-4-2 Nested Model F-test

  • 4-4-3-آزمون‌های فردی متغیرها 4-4-3 Individual Test

  • 4-5-عیب‌یابی مدل 4-5 Model Diagnosis

  • 4-6-استفاده از مدل رگرسیون 4-6 Use Regression Model

  • 4-7-جمع‌بندی 4-7 Summary

مدل خطی: تبدیل متغیرها و انتخاب ویژگی در MLR Linear Model: Transformation and Variable Selection in MLR

  • 5-0-سرفصل‌ها 5-0 Outline

  • 5-1-1-تبدیل لگاریتم طبیعی 5-1-1 Natural Log Transformation

  • 5-1-2-تبدیل چندجمله‌ای 5-1-2 Polynomial Transformation

  • 5-1-3-تبدیل معکوس 5-1-3 Reciprocal Transformation

  • 5-1-4-تبدیل لگاریتم طبیعی برای Y 5-1-4 Natural Log Transformation for Y

  • 5-1-5-تبدیل لگاریتم طبیعی برای X و Y 5-1-5 Natural Log Transformation for X and Y

  • 5-2-1-نقاط اثرگذار: مقدمه 5-2-1 Influential Points - Intro

  • 5-2-2-نقاط اثرگذار: داده‌های پرت (Outliers) 5-2-2 Influential Points - Outliers

  • 5-2-3-نقاط اثرگذار: نقاط با اهرم بالا 5-2-3 Influential Points - High Leverage Points

  • 5-2-4-نقاط اثرگذار: فاصله کوک (Cook's Distance) 5-2-4 Influential Points - Cook's Distance

  • 5-3-1-انتخاب متغیر: مقدمه 5-3-1 Variable Selection - Intro

  • 5-3-2-انتخاب متغیر: روش‌های مبتنی بر آزمون 5-3-2 Variable Selection - Testing-Based Procedures

  • 5-3-3-مثال روش‌های مبتنی بر آزمون 5-3-3 Testing-Based Procedures Example

  • 5-3-4-انتخاب متغیر: روش‌های مبتنی بر معیار 5-3-4 Variable Selection - Criterion-Based Procedures

  • 5-4-1-اشتباهات رایج در رگرسیون 5-4-1 Regression Pitfalls

  • 5-4-2-اشتباهات رایج: حذف پیش‌بین‌های مهم 5-4-2 Regression Pitfalls - Excluding Important Predictors

  • 5-5-جمع‌بندی 5-5 Summary

نمایش نظرات

آموزش تحلیل داده‌های آماری برای کسب‌وکار و مدیریت (۱)
جزییات دوره
11h 38m
67
(آخرین آپدیت)
1,762
- از 5
دارد
دارد
دارد
余峻瑜
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar