توسعه دادن مهارت های SPSS - Develop Your SPSS Skills

مسیر آموزشی توسعه دادن مهارت های SPSS - Image of Learn Path Develop Your SPSS Skills
توسعه دادن مهارت های SPSS Develop Your SPSS Skills
SPSS Statistics یک برنامه آمار و تجزیه و تحلیل داده ها برای مشاغل، دولت، موسسات تحقیقاتی و سازمان های دانشگاهی است. با استفاده از این مسیر یادگیری، می توانید بر ویژگی ها و عملکرد SPSS تسلط داشته باشید و از آن برای تحقیقات و برنامه های کاربردی هوش مصنوعی و یادگیری ماشین استفاده کنید. به ویژگی ها و عملکردهای اولیه آمار SPSS تسلط داشته باشید. اصول استفاده از SPSS در تحقیقات دانشگاهی را بیاموزید. در استفاده از SPSS برای ML و AI عمیقاً شیرجه بزنید.
Develop Your SPSS Skills
SPSS Statistics is a statistics and data analysis program for businesses, government, research institutes, and academic organizations. With this learning path, you can begin mastering the features and functionality of SPSS and go on to using it for AI and machine learning research and applications. Master the basic features and functions of SPSS Statistics. Learn the basics of using SPSS in academic research. Take a deep dive into using SPSS for ML and AI.
مدت زمان: 17h
تعداد دوره ها: 6
مجموع قیمت: (۱۷۳,۰۰۰)
قیمت با 30% تخفیف : ۱۲۱,۰۰۰
تعداد مدرسین: 3
برای خرید این مسیر آموزشی باید وارد حساب کاربری خود شوید.
  • 1
    دوره آموزشی دوره آموزشی یادگیری جامع SPSS آماری - Image of Course SPSS Statistics Essential Training 6 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی یادگیری جامع SPSS آماری

    SPSS Statistics Essential Training

    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

  • 2
    دوره آموزشی دوره آموزشی SPSS برای تحقیقات آکادمیک - Image of Course SPSS for Academic Research 3 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی SPSS برای تحقیقات آکادمیک

    SPSS for Academic Research

    نحوه اجرای آزمون‌های تحقیقاتی دانشگاهی را با SPSS، نرم‌افزار آماری پیشرو، بررسی کنید. در این دوره، یاش پاتل با تمرکز بر نحوه اجرا و تفسیر داده ها برای رایج ترین انواع تست های کمی، به SPSS می پردازد. موضوعات عبارتند از آزمون t، تجزیه و تحلیل واریانس (ANOVA)، و درک اندازه گیری های آماری پشت تحقیقات دانشگاهی. مستاجران آزمون های کیفی، از جمله قضیه مرکزی، مقادیر P، و فواصل اطمینان، و موارد استفاده خاص برای آزمون ها در SPSS را مرور کنید. برای هر نوع، یاش برخی از دستورالعمل‌ها و مفروضات کلی را به همراه یک تمرین چالشی و راه‌حلی برای تمرین آنچه آموخته‌اید ارائه می‌کند. اهداف یادگیری تحلیل کمی در مقابل کیفی ملاحظات اندازه نمونه توزیع نرمال برآورد میانگین جمعیت آزمون تی تک نمونه ای آزمون t نمونه جفتی ANOVA یک طرفه و دو طرفه اندازه گیری مکرر ANOVA

  • 3
    دوره آموزشی دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: درخت تصمیم گیری با SPSS - Image of Course Machine Learning and AI Foundations: Decision Trees with SPSS 1 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: درخت تصمیم گیری با SPSS

    Machine Learning and AI Foundations: Decision Trees with SPSS

    بسیاری از متخصصان علوم داده به دنبال تمرکز بر یادگیری ماشین هستند. این دوره ملزومات یادگیری ماشین را شامل می‌شود، از جمله تجزیه و تحلیل پیش بینی و کار با درخت تصمیم گیری. چندین الگوریتم محبوب درخت تصمیم گیری را کاوش کنید و یاد بگیرید که چگونه از مهندسی معکوس برای شناسایی متغیرهای خاص استفاده کنید. ارائه‌های استفاده از IBM SPSS Modeler گنجانده شده است تا بتوانید نحوه عملکرد درختان تصمیم گیری را بفهمید. این دوره طراحی شده است تا پایه و اساس محکمی را در اختیار شما بگذارد که بتوانید مهارتهای پیشرفته‌تری در زمینه علوم داده را ایجاد کنید. موضوعات شامل: با استفاده از SPSS Modeler ساخت یک مدل CHAID افزودن مدل دوم با C&RT یادداشت های تجزیه و تحلیل استفاده از نمودار آسانسور و سود کاوش الگوریتم ها ساختن یک درخت به صورت تعاملی تنظیم Bonferonni مدیریت متغیرهای اسمی ، ترتیبی و مداوم بررسی درخت CHAID ضریب جینی توزین خلوص و تعادل درک هرس بررسی درخت C&RT اعمال قوانین توقف با استفاده از ترفند تنظیم خودکار طبقه بندی

  • 4
    دوره آموزشی دوره آموزشی یادگیری ماشین و هوش مصنوعی(AI): درخت تصمیم گیری پیشرفته با SPSS - Image of Course Machine Learning and AI: Advanced Decision Trees with SPSS 1 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی یادگیری ماشین و هوش مصنوعی(AI): درخت تصمیم گیری پیشرفته با SPSS

    Machine Learning and AI: Advanced Decision Trees with SPSS

    اگر در تلاش برای درک یادگیری ماشین هستید، مهم است که بدانید چگونه با درختان تصمیم کار کنید. در این دوره، مفاهیم پیشرفته و جزئیات الگوریتم های درخت تصمیم را کشف کنید. درباره الگوریتم QUEST و نحوه مدیریت متغیرهای اسمی ، متغیرهای ترتیبی و مداوم و داده های از دست رفته اطلاعات کسب کنید. الگوریتم C5.0 را کاوش کنید و برخی از ویژگی های اصلی آن مانند هرس جهانی و پیروزی را مرور کنید. بعلاوه، به چند موضوع پیشرفته که مربوط به همه درختان تصمیم گیری است، مانند تقویت و کیسه زدن، غوطه ور شوید. موضوعات شامل: درک توابع و برنامه های QUEST مفاهیم C5.0 و کاربردهای عملی درک اطلاعات به دست آوردن جنگل های تصادفی تقویت و کیف کردن هزینه ها و هزینه های قبلی

  • 5
    دوره آموزشی دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: رگرسیون خطی - Image of Course Machine Learning & AI Foundations: Linear Regression 4 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: رگرسیون خطی

    Machine Learning & AI Foundations: Linear Regression

    داشتن یک درک جامع از رگرسیون خطی-روشی برای مدل سازی رابطه بین یک متغیر وابسته و یکی با چند متغیر دیگر-می تواند به شما در حل بسیاری از مشکلات دنیای واقعی کمک کند. حوزه های کاربردی شامل پیش بینی تقریبا هر مقدار عددی از جمله ارزش مسکن، هزینه مشتری و قیمت سهام است. این دوره مفاهیم مهمترین تکنیک های رگرسیون خطی و نحوه استفاده موثر از آنها را آشکار می کند. در طول دوره، مربی Keith McCormick از IBM SPSS Statistics در حین پیاده سازی در هر مفهوم استفاده می کند، بنابراین قرار گرفتن در معرض آن نرم افزار فرض می شود. اما تأکید بر درک مفاهیم خواهد بود و نه مکانیک نرم افزار. کاربران SPSS این مزیت را خواهند داشت که تقریباً در معرض همه ویژگی های رگرسیون در SPSS قرار گیرند. مربی کیت مک کورمیک، رگرسیون خطی ساده را پوشش می دهد و نحوه ایجاد نمودارهای پراکندگی موثر و محاسبه و تفسیر ضرایب رگرسیون را توضیح می دهد. او همچنین به چالش ها و مفروضات رگرسیون چندگانه پرداخته و از طریق سه استراتژی رگرسیون متمایز گام برمی دارد. برای جمع بندی، او برخی از جایگزین ها برای رگرسیون را مورد بحث قرار می دهد، از جمله درختان رگرسیون و پیش بینی سری های زمانی. اهداف یادگیری ایجاد طرح های پراکندگی موثر در Chart Builder چالش ها و مفروضات رگرسیون چندگانه بررسی مفروضات بصری ایجاد کدهای ساختگی ایجاد و آزمایش شرایط تعامل درک همبستگی جزئی و جزئی تشخیص مشکلات و انجام اقدامات اصلاحی مقابله با چند خطی بودن

  • 6
    دوره آموزشی دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: مدل سازی طبقه بندی - Image of Course Machine Learning and AI Foundations: Classification Modeling 2 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: مدل سازی طبقه بندی

    Machine Learning and AI Foundations: Classification Modeling

    یک نوع مشکل مطلقاً بر یادگیری ماشین و هوش مصنوعی مسلط است: طبقه بندی. طبقه بندی دوتایی، روش غالب، داده ها را به یکی از دو دسته طبقه بندی می کند: خرید یا عدم خرید، تقلب یا عدم، بیمار یا غیره، و غیره. یادگیری ماشین و راه حل های مبتنی بر هوش مصنوعی برای انجام صحیح طبقه بندی به الگوریتم های دقیق و خوب انتخاب شده نیاز دارند. این دوره توضیح می دهد که چرا پروژه های تجزیه و تحلیل پیش بینی در نهایت مشکلات طبقه بندی هستند و چگونه دانشمندان داده می توانند استراتژی (یا استراتژی) مناسب برای پروژه های خود را انتخاب کنند. مربی کیت مک کورمیک از تکنیک های آمار سنتی و یادگیری ماشین مدرن استفاده می کند و نقاط قوت و ضعف آنها را آشکار می کند. کیث نحوه تعریف استراتژی طبقه بندی خود را توضیح می دهد و روشن می کند که انتخاب صحیح اغلب ترکیبی از رویکردها است. سپس، او 11 الگوریتم مختلف برای ساختن مدل شما، از تجزیه و تحلیل متمایز گرفته تا رگرسیون لجستیک تا شبکه های عصبی مصنوعی را نشان می دهد. در نهایت، نحوه غلبه بر چالش هایی مانند برخورد با داده های مفقوده و کاهش داده ها را بیاموزید. توجه: این آموزش ها بر روی نظریه و کاربرد عملی الگوریتم های طبقه بندی دودویی متمرکز شده است. همراه با دوره نیازی به نرم افزار نیست. اهداف یادگیری چرا به طبقه بندی نیاز دارید؟ الگوریتم های آماری در مقابل الگوریتم های یادگیری ماشین ترکیب مدلها با استفاده از مجموعه چالش های مدل سازی طبقه بندی

برای خرید این مسیر آموزشی باید وارد حساب کاربری خود شوید.
شما این مسیر آموزشی را با مدرسان زیر میگذرانید
عکس مدرس Barton Poulson - Image of Author Barton Poulson

Barton Poulson

بارتون پوولسون استاد ، طراح و متخصص تجربی و تحلیل داده شده است. بارتون ، از تجزیه و تحلیل و زیبایی شناختی ، با استفاده از پس زمینه ای در طراحی صنعتی ، و دکترای روانشناسی اجتماعی و شخصیتی و عشق عمیق به تجزیه و تحلیل داده ها و تجارب داده ها و همچنین با هنرهای تجربی و تصویری ، برای اکثر اوقات زندگی خودت او یک استاد روانشناسی در دانشگاه دره یوتا است و در دانشگاه بریگهام یانگ ، دانشگاه یوتا و دانشگاه شهر نیویورک تحصیل کرده است. در نقش او به عنوان یک معلم تحقیق و تجزیه و تحلیل ، او صدها مطالعه با دانش آموزان خود را در موضوعات از تمایلات اجتماعی و آرزوها برای ترجیحات ضمنی ، برای شعر و معماری انجام شده است. بارت و همسرش ، ژاک لین بول ، که یک طراح رقص مدرن است و با سه فرزند خود در Salt Lake City زیبا زندگی می کند.

مشاهده پروفایل
عکس مدرس Keith McCormick - Image of Author Keith McCormick

Keith McCormick

کیت مک کورمیک یک متخصص مستقل داده، مدرس، سخنران و نویسنده است. کیت در توضیح روش‌های پیچیده برای کاربران جدید یا تصمیم گیرندگان در بسیاری از سطوح فنی مهارت دارد. او در مدل‌های پیشگویانه و آنالیز تقسیم‌بندی از جمله درخت‌های طبقه‌بندی، شبکه‌های عصبی، مدل خطی عمومی، تحلیل خوشه‌ای و قوانین ارتباط تخصص دارد.

مشاهده پروفایل
عکس مدرس Yash Patel - Image of Author Yash Patel

Yash Patel

یاش پاتل با یک سابقه آموزشی ، تدریس می کند و آموزگاران را از دانش آموزان دبیرستان تا توسعه دهندگان بزرگسال را آموزش داده است. او مملو از تصمیم گیریهای تجربی و داده محور است و تلاش می کند تا دیگران را با دانش خود در مورد چگونگی طراحی آزمایش ها، سوالات درست و خواندن نتایج معینی، آموزش دهد. او در ساحل آفتابی کالیفرنیا زندگی می کند و در زمان آزادش تنیس بازی می کند.

مشاهده پروفایل