دوره آموزشی یادگیری جامع SPSS آماری (2019)
5 ساعت 50 دقیقهمبتدی2019-11-20
مدرسین

Barton Poulson
Professor, Designer, Data Analytics Expert
جزئیات دوره
SPSS Statistics یک برنامه آمار و تجزیه و تحلیل داده ها برای مشاغل، دولت ها، موسسات تحقیقاتی و سازمان های دانشگاهی است. در این دوره، بارتون پولسون یک رویکرد عملی، بصری و غیر ریاضی به آمار SPSS دارد و نحوه استفاده از برنامه محبوب برای تجزیه و تحلیل دادهها را به روشهایی که در صفحات گسترده دشوار یا غیرممکن هستند، اما نیازی به تسلط شما ندارد، توضیح میدهد. زبانهای برنامهنویسی مانند Python یا R. از وارد کردن صفحات گسترده، ایجاد تجسم دادهها، تا محاسبه آمار توصیفی، بارتون تمام اصول اولیه را با تأکید بر وضوح، تفسیر، قابلیت ارتباط و کاربرد پوشش میدهد. این دوره برای محققانی که اولین بار هستند و کسانی که می خواهند از داده ها در کار حرفه ای و آکادمیک خود حداکثر استفاده را ببرند ایده آل است.
اهداف یادگیری
ایجاد تجسم داده ها
ایجاد نمودارهای متغیر رگرسیون
وارد کردن داده ها و رمزگذاری مجدد متغیرها
محاسبه فرکانس ها و همبستگی ها
تجزیه و تحلیل قابلیت اطمینان
k-به معنای خوشه بندی است
طبقه بندی درخت تصمیم
تجزیه و تحلیل داده ها
ساخت مدل های پیش بینی
صادرات کار شما
اهداف یادگیری
ایجاد تجسم داده ها
ایجاد نمودارهای متغیر رگرسیون
وارد کردن داده ها و رمزگذاری مجدد متغیرها
محاسبه فرکانس ها و همبستگی ها
تجزیه و تحلیل قابلیت اطمینان
k-به معنای خوشه بندی است
طبقه بندی درخت تصمیم
تجزیه و تحلیل داده ها
ساخت مدل های پیش بینی
صادرات کار شما
مهارت ها
SPSSIBMStatisticsEssential TrainingData Science
سرفصل ها
0. مقدمه
- 01 - خوش آمدید
- 02 - استفاده از فایل های تمرین
1. SPSS چیست؟
- 03 - SPSS در زمینه
- 04 - نسخه ها، نسخه ها، مجوزها و رابط ها
2. شروع به کار
- 05 - پیمایش SPSS
- 06 - مجموعه داده های نمونه
- 07 - انواع داده ها، اندازه گیری ها و نقش ها
- 08 - گزینه ها و ترجیحات
- 09 - گسترش SPSS
- 10 - ذخیره و اجرای فایل های نحوی
3. تجسم داده ها
- 11 - تجسم داده ها با Chart Builder
- 12 - اصلاح نمودارهای سازنده نمودار
- 13 - تجسم داده ها با قالب های Graphboard
- 14 - اصلاح تصاویر گرافیکی
- 15 - استفاده از دیالوگ های قدیمی - Boxplots برای متغیرهای متعدد
- 16 - ایجاد نمودارهای متغیر رگرسیون
- 17 - مقایسه زیر گروه ها
4. جدال داده ها
- 18 - وارد کردن داده ها
- 19 - برچسب های متغیر
- 20 - برچسب های ارزش
- 21 - تقسیم فایل ها
- 22 - انتخاب موارد و زیر گروه ها
5. رمزگذاری مجدد داده ها
- 23 - رمزگذاری مجدد متغیرها
- 24 - معکوس کردن مقادیر با نحو
- 25 - رمزگذاری مجدد بر اساس رتبه بندی موارد
- 26 - ایجاد متغیرهای ساختگی
- 27 - کدگذاری مجدد با Visual Binning
- 28 - کدگذاری مجدد با Optimal Binning
- 29 - آماده سازی داده ها برای مدل سازی
- 30 - محاسبات نمرات
6. کاوش داده ها
- 31 - فرکانس های محاسباتی
- 32 - محاسبات توصیفی
- 33 - تجزیه و تحلیل داده های اکتشافی
- 34 - محاسبات همبستگی
- 35 - محاسبه جداول احتمالی
- 36 - تحلیل عاملی و تحلیل مؤلفه های اصلی
- 37 - تحلیل پایایی
7. خوشه بندی و طبقه بندی
- 38 - خوشه بندی سلسله مراتبی
- 39 - k-به معنای خوشه بندی است
- 40 - طبقه بندی k-نزدیک ترین همسایگان
- 41 - طبقه بندی درخت تصمیم در SPSS
- 42 - شبکه های عصبی در SPSS - طبقه بندی پرسپترون چندلایه
- 43 - شبکه های عصبی در SPSS - طبقه بندی تابع پایه شعاعی
8. تجزیه و تحلیل داده ها
- 44 - مقایسه تناسبات
- 45 - مقایسه یک میانگین با یک جامعه - آزمون t تک نمونه ای
- 46 - مقایسه میانگین های زوجی - آزمون تی زوجی
- 47 - مقایسه دو میانگین - آزمون تی مستقل
- 48 - مقایسه چند روش - ANOVA یک طرفه
- 49 - مقایسه میانگین ها با دو متغیر طبقه ای - ANOVA
9. ساخت مدل های پیش بینی
- 50 - محاسبه رگرسیون خطی
- 51 - انتخاب متغیر
- 52 - رگرسیون لجستیک
- 53 - مدلسازی خطی خودکار
10. کار خود را به اشتراک بگذارید
- 54 - صادرات نمودارها و جداول
- 55 - گزارش های وب
نتیجه
- 56 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی SPSS: آمادهسازی، مصورسازی و مدلسازی دادهها
- دوره آموزشی یادگیری ماشین و هوش مصنوعی(AI): درخت تصمیم گیری پیشرفته با SPSS
- دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: درخت تصمیم گیری با SPSS
- دوره آموزشی یادگیری جامع SPSS آماری
- دوره آموزشی پیشرفته مدلسازی پیشبینی: تسلط بر گروهها و متامدلینگ
- دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: مدل سازی طبقه بندی
- دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: رگرسیون خطی
- دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: خوشه بندی و ارتباط