آموزش محاسبات علمی و آماری با R – تکمیلی – پیش ثبت نام

دسترسی به اطلاعات این آموزش: اطلاعات کلی محتوا و سرفصل ها پیش نمایش و دانلود اطلاعات تکمیلی دیدگاه ها
نمایش سبد سفارش ← «آموزش الگوهای طراحی (Design Patterns) در پایتون (Python)» با موفقیت به سبد سفارش شما افزوده شد.

درباره ناشر

فرادرس
فرادرس

فرادرس بزرگ‌ترین ناشر دیجیتال آموزش‌های تخصصی، دانشگاهی و مهندسی است.

درباره مدرس

مهندس پژمان اقبالی
مهندس پژمان اقبالی

مدرس فرادرس

دانشجوی کارشناسی ارشد مهندسی مکانیک


پژمان اقبالی شمس آبادی دانشجوی سال دوم کارشناسی ارشد دانشگاه علم و صنعت ایران هستند و مشغول انجام کار بر روی پروژه های خود در زمینه های آکوستیک، ارتعاشات و پردازش تصویر هستند. وی به مباحث دینامیک و ارتعاشات و هم چنین برنامه نویسی علاقه مند است. (+)



در این فرادرس، مباحث کاربردی مختلفی از آمار و احتمالات و محاسبات با آن ها، بیان و در R پیاده سازی می شود. یعنی در انتهای آموزش، کاربران می توانند مسائل محاسباتی آمار و احتمالات را در R پیاده سازی کنند. برای حل دسته بزرگی از مسائل واقعی و تحقیقاتی استفاده از آمار و احتمالات ضروری است. برای تحلیل های تصادفی و مواجهه با عدم قطعیت ها، برای کار با داده ها و استخراج اطلاعات از آن ها، برای مدل سازی و بررسی ریسک، مقررات مالی، داده کاوی و یادگیری ماشین نیازمند استفاده از آمار و احتمالات و توانایی انجام محاسبات با آن ها هستیم.

👤 مدرس: مهندس پژمان اقبالی
روش دریافت: لینک دانلود و/یا ارسال فیزیکی

وضعیت انتشار در حال ویرایش
زمان تقریبی انتشار ۲ تا ۷ هفته

درخواست اطلاع رسانی انتشار این آموزش

این آموزش در حال ویرایش و تدوین است و به زودی در فرادرس ارائه عمومی آن آغاز خواهد شد. شما می توانید با وارد کردن ایمیل خود، در اولین زمان، از انتشار نهایی این آموزش مطلع شوید.

مزایای درخواست اطلاع رسانی انتشار:

  • مطلع شدن از انتشار آموزش در اولین زمان پس از انتشار
  • دادن بیشترین اولویت انتشار به آموزش های مورد نظر خود (آموزش های با بیشترین پیش ثبت نام، با اولویت بیشتری منتشر می شوند)
  • دریافت تخفیف ویژه به هنگام انتشار، مختص افرادی که درخواست اطلاع رسانی در یک آموزش داشته اند.




    توضیحات

    در بخش اول این آموزش، پس از بیان مقدمات لازم برای محاسبات علمی در R، به محاسبات عددی پرداخته شد. در بخش دوم این آموزش نیز، آمار و احتمالات و محاسبات مربوط به آن ها به بحث گذاشته می شود. اگر کاربران به حل مسائل تصادفی فکر کرده باشند و یا با آن روبه رو شده باشند، کاربرد آمار و احتمالات را می بینند و همچنین در دنیایی که دنیای داده ها است، برای جمع آوری، نظم دادن، تحلیل و تفسیر آن ها، نیازمند آمار هستیم.  در این فرادرس، مباحث کاربردی مختلفی از آمار و احتمالات و محاسبات با آن ها، بیان و در R پیاده سازی می شود.

    یعنی در انتهای آموزش، کاربران می توانند مسائل محاسباتی آمار و احتمالات را در R پیاده سازی کنند. برای حل دسته بزرگی از مسائل واقعی و تحقیقاتی استفاده از آمار و احتمالات ضروری است. برای تحلیل های تصادفی و مواجهه با عدم قطعیت ها، برای کار با داده ها و استخراج اطلاعات از آن ها، برای مدل سازی و بررسی ریسک، مقررات مالی، داده کاوی و یادگیری ماشین نیازمند استفاده از آمار و احتمالات و توانایی انجام محاسبات با آن ها هستیم.

    زبان برنامه نویسی R، به هدف انجام محاسبات آماری به وجود آمده است و می شود گفت که بهترین ابزار برای انجام کار با داده ها و تحلیل ها آماری است. پس در این آموزش با بهترین ابزار لازم، به انجام محاسبات در حوزه آمار و احتمالات پرداخته می شود.

     

    فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
    • درس یکم: آمار و احتمالات
      • مروری بر احتمالات
      • قواعد احتمالات
      • احتمالات شرطی
      • استقلال (Independence)
      • قانون احتمال کامل
      • تئوری Bayes
    • درس دوم: متغیرهای تصادفی
      • تابع توزیع
      • متغیرهای تصادفی پیوسته و گسسته
      • cdf تجربی و هیستوگرام
        • مثال آزمایش Cavendish در R
      • Expectations و تخمین محدود
        • مثال محاسبه عددی Mean در R
        • مثال Truncated Normal در R
        • مثال متغیر تصادفی با دامنه بینهایت در R
        • مثال تابع گاما در R
      • تبدیلات
      • واریانس و انحراف معیار
      • The weak law of large numbers
    • درس سوم: متغیرهای تصادفی گسسته در R
      • توزیع برنولی
      • توزیع Binomial
        • مثال از توزیع Binomial در R
      • توزیع Geometric
        • مثال از توزیع Geometric در R
      • توزیع Binomial منفی
        • مثال از توزیع Binomial منفی در R
      • توزیع پواسون
        • مثال از توزیع پواسون در R
    • درس چهارم: متغیرهای تصادفی پیوسته در R
      • توزیع یکنواخت
        • مثال از توزیع یکنواخت در R
      • مدل های Lifetime
        • مثال از مدل های Lifetime در R
      • فرایند پواسون و توزیع گاما
        • مثال از توزیع گاما در R
      • شبیه سازی گسسته یک صف در R
      • توزیع نمونه گیری
        • مثال از توزیع نمونه گیری نرمال در R
    • درس پنجم: تخمین پارامتر
      • تخمین نقطه
        • مثال از تخمین نقطه در R
      • تئوری Central Limit
        • مثال ریسک بیمه در R
        • تخمین نرمال برای پواسون در R
      • Confidence Intervals در R
      • Monte Carlo Confidence Intervals
    • درس ششم: Markov chains
      • معرفی زنجیره های زمان گسسته
      • فرمول پایه: زمان گسسته
        • مثال از مدل Ehrenfest در R
        • یک زنجیره دو حالته ساده در R
        • مثال ساده از بازی تنیس در R
      • دسته بندی stste ها
      • رفتار محدود: زمان گسسته
        • مثال از مدل Ehrenfest در R
      • زنجیرهای جاذب محدود
        • مثال زمان جذب مورد انتظار در R
        • مثال از احتمال جذب در R
      • معرفی زنجیرهای زمانی پیوسته
      • rate matrix
        • مثال از rate matrix در R
      • رفتار محدود: زمان پیوسته
        • مثال Machine Shop در R
      • تعریف فضای حالت
        • مثال مدل سازی آب و هوا در R
      • شبیه سازی
        • زنجیره های زمان گسسته در R
        • بازی تنیس در R
        • زنجیره های زمان پیوسته در R
      • تخمین
        • تخمین زمان گسسته در R
        • تخمین زمان پیوسته در R
        • مثال Booking Clerk در R
    • درس هفتم: شبیه سازی در R
      • شبیه سازی
      • شبیه سازی نمونه های یکنواخت iid
        • مثال Seeding در R
      • شبیه سازی مقادیر تصادفی گسسته در R
        • مثال با توزیع Binomial در R
      • روش معکوس برای rv پیوسته
      • روش Rejection برای rv پیوسته
        • مثال Triangular Density در R
        • مثال با توزیع گاما در R
      • شبیه سازی نرمال ها
    • درس هشتم: انتگرال گیری مونت کارلو
      • روش Hit and miss و مثال در R
      • انتگرال گیری مونت کارلو بهبود یافته و مثال در R
    • درس نهم: کاهش واریانس در R
      • نمونه برداری Anithetic
        • مثال مونت کارلو بهبود یافته در R
      • نمونه برداری Importance
        • مثال از standard normal central probability در R
      • کنترل Variates


    اطلاعات تکمیلی

    نام آموزش آموزش محاسبات علمی و آماری با R – تکمیلی – پیش ثبت نام
    ناشر فرادرس
    کد آموزش FVR9711
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    تعداد DVD یک عدد (در صورت دریافت غیر آنلاین)



    سایر آموزش های مهندس پژمان اقبالی




    دیدگاه ها

    نظر شما در مورد این فرادرس چیست؟

    امتیاز شما به این آموزش:

    *




درخواست اطلاع رسانی انتشار این آموزش

این آموزش در حال ویرایش و تدوین است و به زودی در فرادرس ارائه عمومی آن آغاز خواهد شد. شما می توانید با وارد کردن ایمیل خود، در اولین زمان، از انتشار نهایی این آموزش مطلع شوید.

مزایای درخواست اطلاع رسانی انتشار:

  • مطلع شدن از انتشار آموزش در اولین زمان پس از انتشار
  • دادن بیشترین اولویت انتشار به آموزش های مورد نظر خود (آموزش های با بیشترین پیش ثبت نام، با اولویت بیشتری منتشر می شوند)
  • دریافت تخفیف ویژه به هنگام انتشار، مختص افرادی که درخواست اطلاع رسانی در یک آموزش داشته اند.



برچسب‌ها: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,




فرادرس در رسانه ها و جشنواره ها

روزنامه ایرانیان مرکز توسعه فناوری اطلاعات و رسانه های دیجیتال روز آفرین نت استارت کنفرانس مهندسی برق ایران جشنواره وب ایران