آموزش مبانی مدل‌سازی کمی - آخرین آپدیت

دانلود Fundamentals of Quantitative Modeling

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: چگونه می‌توانید از داده‌ها برای رسیدن به اهداف خود استفاده کنید؟ به‌طور مشخص، اعداد موجود در یک صفحه گسترده (Spreadsheet) چگونه می‌توانند درباره فعالیت‌های تجاری فعلی و گذشته به ما اطلاع دهند و چگونه می‌توانیم از آن‌ها برای پیش‌بینی آینده استفاده کنیم؟ پاسخ در ساخت مدل‌های کمی نهفته است. این دوره برای کمک به شما جهت درک مبانی این مهارت حیاتی و بنیادین در کسب‌وکار طراحی شده است. از طریق مجموعه‌ای از سخنرانی‌های کوتاه، نمایش‌های عملی و تمرین‌ها، ایده‌های کلیدی و فرآیند مدل‌سازی کمی را خواهید آموخت تا بتوانید مدل‌های اختصاصی خود را برای کسب‌وکار یا سازمان خود ایجاد کنید. در پایان این دوره، شما با انواع مدل‌های کمی کاربردی و رایج و همچنین بلوک‌های سازنده که به شما اجازه می‌دهد ساختار مدل‌های خود را طراحی کنید، آشنا خواهید شد. این بلوک‌های سازنده در سایر دوره‌های این مجموعه آموزشی نیز مورد استفاده قرار خواهند گرفت.

سرفصل ها و درس ها

Module 1: مقدمه‌ای بر مدل‌ها Module 1: Introduction to Models

  • 1.1 مقدمه دوره 1.1 Course Introduction

  • 1.2 تعریف و کاربرد مدل‌ها و توابع رایج 1.2 Definition and Uses of Models, Common Functions

  • 1.3 نحوه استفاده از مدل‌ها در عمل 1.3 How Models Are Used in Practice

  • 1.4 مراحل کلیدی در فرآیند مدل‌سازی 1.4 Key Steps in the Modeling Process

  • 1.5 واژگان تخصصی مدل‌سازی 1.5 A Vocabulary for Modeling

  • 1.6 توابع ریاضی 1.6 Mathematical Functions

  • 1.7 خلاصه 1.7 Summary

Module 2: مدل‌های خطی و بهینه‌سازی Module 2: Linear Models and Optimization

  • 2.1 مقدمه‌ای بر مدل‌های خطی و بهینه‌سازی 2.1 Introduction to Linear Models and Optimization

  • 2.2 رشد در زمان گسسته 2.2 Growth in Discrete Time

  • 2.3 رشد تناسبی ثابت 2.3 Constant Proportionate Growth

  • 2.4 ارزش فعلی و آتی 2.4 Present and Future Value

  • 2.5 بهینه‌سازی 2.5 Optimization

  • 2.6 خلاصه 2.6 Summary

Module 3: مدل‌های احتمالی Module 3: Probabilistic Models

  • 3.1 مقدمه‌ای بر مدل‌های احتمالی 3.1 Introduction to Probabilistic Models

  • 3.2 نمونه‌هایی از مدل‌های احتمالی 3.2 Examples of Probabilistic Models

  • 3.3 مدل‌های رگرسیون 3.3 Regression Models

  • 3.4 درخت‌های احتمال 3.4 Probability Trees

  • 3.5 شبیه‌سازی مونت کارلو 3.5 Monte Carlo Simulations

  • 3.6 مدل‌های زنجیره مارکوف 3.6 Markov Chain Models

  • 3.7 بلوک‌های سازنده مدل‌های احتمالی 3.7 Building Blocks of Probability Models

  • 3.8 توزیع برنولی 3.8 The Bernoulli Distribution

  • 3.9 توزیع دوجمله‌ای 3.9 The Binomial Distribution

  • 3.10 توزیع نرمال 3.10 The Normal Distribution

  • 3.11 قاعده تجربی 3.11 The Empirical Rule

  • 3.12 خلاصه 3.12 Summary

Module 4: مدل‌های رگرسیون Module 4: Regression Models

  • 4.1 مقدمه‌ای بر مدل رگرسیون 4.1 Introduction to Regression Model

  • 4.2 کاربرد مدل‌های رگرسیون 4.2 Use of Regression Models

  • 4.3 تفسیر ضرایب رگرسیون 4.3 Interpretation of Regression Coefficients

  • 4.4 ضریب تعیین (R squared) و ریشه میانگین توان دوم خطا (RMSE) 4.4 R-squared and Root Mean Squared Error (RMSE)

  • 4.5 برازش منحنی‌ها بر داده‌ها 4.5 Fitting Curves to Data

  • 4.6 رگرسیون چندگانه 4.6 Multiple Regression

  • 4.7 رگرسیون لجستیک 4.7 Logistic Regression

  • 4.8 خلاصه مدل‌های رگرسیون 4.8 Summary of Regression Models

نمایش نظرات

آموزش مبانی مدل‌سازی کمی
جزییات دوره
9h 33m
33
(آخرین آپدیت)
287,593
4.7 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar