فلشکارتهای آموزشی تسلط بر رگرسیون کاربردی با R: از تحلیل خطی تا مدلهای پیچیده
تسلط بر رگرسیون کاربردی با R: از تحلیل خطی تا مدلهای پیچیده تسلط بر رگرسیون کاربردی با R: از تحلیل خطی تا مدلهای پیچیده معرفی دوره آیا به دنبال تسلط بر هنر مدلسازی آماری و تحلیل دادهها با استفاده ...
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره تسلط بر رگرسیون کاربردی با R: از تحلیل خطی تا مدلهای پیچیده
موضوع کلی: مدلسازی آماری
موضوع میانی: مدلسازی رگرسیونی کاربردی با R
📋 سرفصلهای دوره
- 1. مقدمه: چرا مدلسازی رگرسیونی؟
- 2. نصب و راهاندازی R و RStudio
- 3. آشنایی با محیط RStudio: اسکریپت، کنسول، پلات و پکیجها
- 4. مبانی کار با R: متغیرها، عملگرها و توابع پایه
- 5. ساختارهای داده در R: بردارها، ماتریسها و لیستها
- 6. دیتافریم (Data Frame): ساختار اصلی داده برای تحلیل آماری
- 7. معرفی پکیج Tidyverse برای مدیریت و پاکسازی دادهها
- 8. وارد کردن دادهها به R: خواندن فایلهای CSV، Excel و SPSS
- 9. پاکسازی و آمادهسازی دادهها با پکیج dplyr
- 10. اولین گام در تحلیل داده: آمار توصیفی و همبستگی
- 11. مقدمهای بر مصورسازی داده با ggplot2
- 12. رسم نمودار پراکندگی (Scatter Plot) برای نمایش روابط
- 13. مفهوم مدل رگرسیون خطی ساده
- 14. برازش مدل خطی ساده با تابع lm() در R
- 15. تفسیر خروجی تابع summary(): ضرایب، خطای استاندارد و p-value
- 16. تفسیر شیب (Slope) و عرض از مبدأ (Intercept)
- 17. ضریب تعیین (R-squared) و معنای آن
- 18. آزمون فرضیه برای ضرایب رگرسیون
- 19. محاسبه و تفسیر فواصل اطمینان برای ضرایب
- 20. پیشبینی مقادیر جدید و فواصل پیشبینی (Prediction Intervals)
- 21. فواصل اطمینان برای میانگین پاسخ (Confidence Intervals for the Mean Response)
- 22. مصورسازی خط رگرسیون بر روی نمودار پراکندگی
- 23. مفروضات اساسی مدل رگرسیون خطی (LINE Assumptions)
- 24. تحلیل باقیماندهها (Residuals) به عنوان ابزار اصلی تشخیص
- 25. بررسی فرض خطی بودن (Linearity) با نمودارهای باقیمانده
- 26. نمودارهای جزء و باقیمانده (Component-Plus-Residual Plots)
- 27. بررسی فرض ثبات واریانس خطاها (Homoscedasticity)
- 28. آزمونهای رسمی برای ناهمسانی واریانس (آزمون Breusch-Pagan)
- 29. بررسی فرض نرمال بودن خطاها با نمودار Q-Q Plot
- 30. آزمونهای نرمال بودن باقیماندهها (Shapiro-Wilk Test)
- 31. بررسی فرض استقلال خطاها و مفهوم خودهمبستگی
- 32. آزمون دوربین-واتسون (Durbin-Watson Test) برای خودهمبستگی
- 33. شناسایی دادههای پرت (Outliers) با باقیماندههای استیودنتایز شده
- 34. شناسایی نقاط با اهرم بالا (High-Leverage Points)
- 35. شناسایی نقاط تأثیرگذار (Influential Observations) با فاصله کوک (Cook's Distance)
- 36. نمودارهای تشخیصی پیشفرض در R
- 37. معرفی رگرسیون خطی چندگانه
- 38. برازش مدل چندگانه و تفسیر خروجی آن
- 39. تفسیر ضرایب رگرسیون در مدل چندگانه
- 40. ضریب تعیین تعدیلشده (Adjusted R-squared)
- 41. آزمون F برای ارزیابی معناداری کلی مدل
- 42. کار با متغیرهای پیشبین طبقهای (Categorical Predictors)
- 43. کدگذاری دامی (Dummy Coding) برای متغیرهای طبقهای
- 44. تغییر متغیر مرجع (Reference Level) در مدل
- 45. مفهوم برهمکنش (Interaction) بین متغیرهای پیشبین
- 46. مدلسازی برهمکنش بین یک متغیر کمی و یک متغیر کیفی
- 47. مدلسازی برهمکنش بین دو متغیر کمی
- 48. تفسیر ضرایب در حضور اثرات برهمکنش
- 49. مصورسازی اثرات برهمکنش با پکیج effects
- 50. چالش همخطی چندگانه (Multicollinearity): تشخیص و اثرات
- 51. محاسبه فاکتور تورم واریانس (Variance Inflation Factor - VIF)
- 52. راهکارهای مقابله با همخطی چندگانه
- 53. اصول انتخاب مدل: سادگی در برابر دقت
- 54. مقایسه مدلهای تودرتو (Nested Models) با آزمون F
- 55. معیارهای اطلاعاتی برای انتخاب مدل: AIC و BIC
- 56. روشهای انتخاب متغیر گام به گام (Stepwise Selection)
- 57. انتخاب پیشرو (Forward Selection)
- 58. انتخاب پسرو (Backward Elimination)
- 59. نقد و بررسی روشهای انتخاب گام به گام
- 60. رگرسیون تمام زیرمجموعهها (All Subsets Regression)
- 61. اعتبارسنجی متقابل (Cross-Validation) برای ارزیابی مدل
- 62. چرایی و چگونگی تبدیلات (Transformations) در رگرسیون
- 63. تبدیل متغیرهای پیشبین: لگاریتم، ریشه دوم و معکوس
- 64. تبدیل متغیر پاسخ: تبدیل باکس-کاکس (Box-Cox Transformation)
- 65. رگرسیون چندجملهای (Polynomial Regression) برای روابط غیرخطی
- 66. استفاده از اسپلاینها (Splines) برای انعطافپذیری بیشتر مدل
- 67. مدلهای جمعی تعمیمیافته (Generalized Additive Models - GAMs)
- 68. رگرسیون مقاوم (Robust Regression) در برابر دادههای پرت
- 69. رگرسیون کمترین مربعات وزندار (Weighted Least Squares - WLS)
- 70. بوتاسترپ (Bootstrapping) در رگرسیون
- 71. بوتاسترپ برای فواصل اطمینان ضرایب رگرسیون
- 72. فراتر از مدل خطی: معرفی مدلهای خطی تعمیمیافته (GLM)
- 73. اجزای یک GLM: توزیع خطا، تابع پیوند و بخش سیستماتیک
- 74. رگرسیون لجستیک برای متغیرهای پاسخ دوتایی
- 75. برازش مدل رگرسیون لجستیک با تابع glm()
- 76. تفسیر ضرایب رگرسیون لجستیک: لگاریتم نسبت بختها (Log-Odds)
- 77. تبدیل ضرایب به نسبت بختها (Odds Ratios)
- 78. پیشبینی احتمالات در مدل لجستیک
- 79. ارزیابی مدل لجستیک: ماتریس درهمریختگی (Confusion Matrix)
- 80. منحنی ROC و سطح زیر منحنی (AUC)
- 81. آزمون هاسمر-لمشو (Hosmer-Lemeshow Test) برای نیکویی برازش
- 82. تشخیص مدل برای رگرسیون لجستیک
- 83. رگرسیون پواسون (Poisson Regression) برای دادههای شمارشی
- 84. تفسیر ضرایب مدل پواسون: لگاریتم نرخ رخداد
- 85. مفهوم پراکندگی بیش از حد (Overdispersion) در مدلهای شمارشی
- 86. آزمون تشخیص پراکندگی بیش از حد
- 87. رگرسیون دوجملهای منفی (Negative Binomial Regression)
- 88. مقایسه مدل پواسون و دوجملهای منفی
- 89. مدلهای دوجملهای برای دادههای نسبی (Binomial GLM)
- 90. مقدمهای بر مدلهای اثرات آمیخته (Mixed-Effects Models)
- 91. مدلهای با عرض از مبدأ تصادفی (Random-Intercept Models)
- 92. مدلهای با شیب تصادفی (Random-Slope Models)
- 93. برازش مدلهای آمیخته با پکیج lme4
- 94. تفسیر بخش ثابت و تصادفی مدلهای آمیخته
- 95. تحلیل باقیماندهها در مدلهای اثرات آمیخته
- 96. گزارش نتایج رگرسیون: جداول و نمودارهای استاندارد
- 97. جمعبندی نهایی و نقشه راه برای مدلسازی پیشرفته
SMART LEARNING PLATFORM
از مطالعه تا یادگیری ماندگار
فراتر از یک مجموعه فلشکارت؛ تجربهای تعاملی برای یادگیری، تمرین، مرور هوشمند و مشاهده مسیر پیشرفت شما، همراه با امکان دریافت گواهی پایان دوره در دورههای واجد شرایط.
مرور فاصلهدار
آمار یادگیری
گواهی دوزبانه
یادگیری را به یک مسیر قابل پیگیری تبدیل کنید
با ورود به سامانه آموزشی، محتوای دوره را بهصورت مرحلهای دنبال کنید، فلشکارتها را مرور کنید، دانش خود را با پرسشها و آزمونها بسنجید و روند پیشرفتتان را در طول مسیر ببینید.
⟳
مرور فاصلهدار هوشمند
با مرور زماندار، کارتهای تازه و کارتهای سررسیدشده را بر اساس برنامه مرور دنبال کنید. ارزیابی پاسخها به زمانبندی مرورهای بعدی کمک میکند تا تمرین متناسبتری داشته باشید.
◉
مشاهده مسیر پیشرفت
میزان مشاهده فلشکارتها، فعالیتهای مرور، عملکرد آزمونها و آمار یادگیری را بررسی کنید و تصویر روشنتری از مسیر آموزشی خود داشته باشید.
▤
یادگیری مرحلهبهمرحله
فصلها و بخشهای آموزشی را به ترتیب دنبال کنید، مطالب دیدهنشده را پیدا کنید و بدون سردرگمی به ادامه مسیر برگردید.
✓
تمرین و سنجش آموختهها
با نکتههای آموزشی، پرسش و پاسخ، کوییزها و آزمونهای پایان فصل، دانستههای خود را تمرین کنید و بخشهایی را که به توجه بیشتری نیاز دارند بشناسید.
SMART REVIEW
هر بار، مرور هدفمندتر
لازم نیست هر روز از ابتدا درباره اینکه چه چیزی را مرور کنید تصمیم بگیرید. سامانه، صف مرور روزانه را بر اساس کارتهای تازه و موعد مرور کارتها آماده میکند. شما پاسخ را ارزیابی میکنید و برنامه مرور با توجه به آن تنظیم میشود.
دوباره
برای کارتهایی که به تمرین زودتر نیاز دارند.
سخت
برای پاسخهایی که با دشواری به یاد آمدهاند.
خوب
برای پاسخهایی که بهدرستی به یاد آوردهاید.
آسان
برای کارتهایی که پاسخ آنها را بهآسانی میدانید.
برنامه مرور بر اساس ارزیابی شما تنظیم میشود؛ مرور منظم میتواند به تثبیت آموختهها کمک کند، اما بهتنهایی تضمینکننده تسلط کامل نیست.
محتوا را به شیوههای مختلف تمرین کنید
ساختار دورهها متناسب با موضوع آموزشی طراحی شده است و ممکن است انواع مختلفی از محتوا را در بر بگیرد.
نکتههای ساده
برای مرور سریع مفاهیم اصلی و نکات کلیدی.
نکتههای رسمی
برای تمرین تعاریف، اصطلاحات و بیان دقیق علمی.
کوییز
برای سنجش درک مطلب و بررسی گزینه صحیح.
پرسش و پاسخ
برای تمرین یادآوری و سنجش میزان تسلط بر مطالب.
محتوای هر دوره بر اساس ساختار و امکانات فعال همان دوره ارائه میشود.
LEARN ANYWHERE
همراه شما روی مرورگر
برای استفاده از نسخه تحت وب، کافی است با حساب کاربری خود وارد سامانه شوید. بدون نیاز به نصب یک برنامه اختصاصی، میتوانید از مرورگر سازگار روی گوشی، تبلت یا رایانه به دورههای در دسترس خود مراجعه کنید.
گوشی هوشمند
برای مطالعه در زمانهای کوتاه
تبلت و لپتاپ
برای مطالعه و مرور راحتتر
حساب کاربری شخصی
برای دسترسی به دورههای مجاز شما
COURSE COMPLETION CERTIFICATE
گواهی پایان دوره؛ ثبت دستاورد شما
در دورههایی که امکان دریافت گواهی برای آنها فعال است، میتوانید پس از تکمیل شرایط آموزشی، درخواست گواهی پایان دوره ثبت کنید.
شرایط درخواست گواهی
✓ داشتن دسترسی دارای قابلیت گواهی برای دوره مربوطه.
✓ تکمیل اطلاعات لازم در پروفایل، شامل کد ملی معتبر، عکس پرسنلی و نام و نام خانوادگی انگلیسی.
✓ مشاهده تمام فلشکارتهای فعال دوره.
✓ قبولی در آزمونهای پایان فصل، در صورت وجود آزمون برای فصلها.
فارسی و انگلیسی
پس از تأیید و انتشار، نسخههای فارسی و انگلیسی گواهی در دسترس قرار میگیرند.
استعلام آنلاین
گواهی منتشرشده دارای QR Code و لینک اختصاصی برای بررسی آنلاین اعتبار آن است.
دانلود و چاپ
پس از انتشار گواهی، امکان دریافت نسخه PDF فارسی و انگلیسی و چاپ آن فراهم است.
توجه: ثبت درخواست به معنای صدور قطعی نیست. درخواست گواهی پس از بررسی و تأیید ادمین منتشر میشود. این گواهی، گواهی پایان دوره آموزشی است و بهخودیخود معادل مدرک دانشگاهی یا مدرک رسمی مورد تأیید نهادهای دولتی نیست.
یادگیری را شروع کنید؛ پیشرفت را دنبال کنید
با تمرین منظم، مرور هدفمند و پیگیری مسیر آموزشی خود، قدمبهقدم دانش و مهارتهایتان را گسترش دهید.
هر کارت، یک قدم به جلو
امکانات محتوایی، مرور و گواهی بر اساس سطح دسترسی و تنظیمات هر دوره متفاوت است.
نگاهی به محیط سامانه
یادگیری هوشمند، قدمبهقدم
با محیط سامانه آموزشی آشنا شوید و نمونههایی از فضای یادگیری، فلشکارتها و ابزارهای مرور و تمرین را مشاهده کنید.
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
امکانات بیشتر سامانه
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری فراتر از مطالعه معمولی
با فلشکارتهای آموزشی، مرور هدفمند و تمرین مستمر، مطالب را فعالانه یاد بگیرید و مسیر پیشرفت خود را دنبال کنید.
تگها:
An R Companion to Applied Regression
Applied Regression
R
R Programming
Regression
Statistical Modeling
آمار
آماری
تحلیل خطی
دادهکاوی
رگرسیون
مدلسازی آماری
مدلسازی رگرسیونی
مدلهای خطی
یادگیری ماشین
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.