شاخص کل بورس ضریب
▪️فرض کنید یک سبد فرضی میسازیم از تمام نمادهای بازار بورس. صرفاً نمادهای بورسی. در این سبد از همه نمادها، به ارزش ریالی مساوی قرار میدهیم. مثلاً از تمام نمادهای بورس، یک میلیون تومان.
▪️در هر روز عددی برای شاخص بورس، به دست میآید و گزارش میشود. این انتظار صحیح و طبیعی است که هر چقدر عدد شاخص بالا و پایین میشود، به همان اندازه ارزش ریالی سبد فرضی ما هم کم یا زیاد شود.
▫️اما میدانیم اینگونه نیست. نه شاخص کل، بلکه شاخص هم وزن نیز اینگونه نیست. خودتان میتوانید امتحان کنید.
👈به عبارت ساده، رابطه بین شاخصهای گزارش شده در بورس تهران با سبد فرضی ما میزان و همسان نیست. این مطلبی است که میدانیم و عیب اصلی شاخص هم دقیقاً همین جا است.
🔸اما سوال اصلی که برای خودم مطرح بود، این است که درجه انحراف چقدر است؟ ضریب انحراف بین بازار و سبد فرضی من با شاخص کل و یا هم وزن چه اندازه است؟ بگذارید ساده تر بگویم. اصولاً من معتقدم به شاخصهای بازار یک ضریب ثابت یکسان و البته پنهان میخورد. اما عدد آن چند است؟
🔹از چندین روش تحلیل آماری که در ذهن داشتم، استفاده کردم.
به نظرم به دلیل ماهیت مثبت و یا منفی بودن بازار (اصطلاحا حالت باینری Binary)، بهترین روش، رگرسیون غیرخطی لجستیک باینری است.
در رگرسیون لجستیک عدد Odds Ratio که به آن OR میگوییم، از رابطه زیر به دست میآید
Exp{Beta} = OR = (p/1-p)
من p را احتمال مثبت بودن و در نتیجه یک منهای p را احتمال منفی بودن شاخص تعریف کردهام. بنابراین
OR = Probability (منفی/مثبت)
تحلیل مدل رگرسیونی لجستیک باینری، نشان میدهد، عدد OR رابطه بین سبد فرضی من و شاخص بورس برابر با 0.717 است.
سوال : این عدد یعنی چه؟
خیلی ساده. فرض کنید شاخص در یک روز، 2 درصد مثبت گزارش شده است.
در این صورت، سبد فرضی من به اندازه
%2 × 0.717 = %1.434
افزایش خواهد یافت.
حال فرض کنید یک روز شاخص، 2 درصد منفی گزارش شود. عدد OR در اینجا از رابطه زیر به دست میآید.
Probability (مثبت/منفی)
= 1/OR = 1/.717 = 1.395
بنابراین در آن روز سبد فرضی من به اندازه
%2 × 1.395 = %2.790
کاهش خواهد یافت.
👈بنابراین با استفاده از رگرسیون لجستیک باینری که بر توزیع برنولی استوار است، میتوان به ضریب ثابت شاخص بورس تهران که عدد 0.717 است، پی برد.
✍️کمتر بودن این عدد از عدد یک به معنای آن است که وقتی شاخص مثبت گزارش میشود، بازار واقعی، مثبت کمتری دارد و وقتی شاخص منفی گزارش میشود، بازار واقعی، منفی بیشتری دارد.
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
▪️فرض کنید یک سبد فرضی میسازیم از تمام نمادهای بازار بورس. صرفاً نمادهای بورسی. در این سبد از همه نمادها، به ارزش ریالی مساوی قرار میدهیم. مثلاً از تمام نمادهای بورس، یک میلیون تومان.
▪️در هر روز عددی برای شاخص بورس، به دست میآید و گزارش میشود. این انتظار صحیح و طبیعی است که هر چقدر عدد شاخص بالا و پایین میشود، به همان اندازه ارزش ریالی سبد فرضی ما هم کم یا زیاد شود.
▫️اما میدانیم اینگونه نیست. نه شاخص کل، بلکه شاخص هم وزن نیز اینگونه نیست. خودتان میتوانید امتحان کنید.
👈به عبارت ساده، رابطه بین شاخصهای گزارش شده در بورس تهران با سبد فرضی ما میزان و همسان نیست. این مطلبی است که میدانیم و عیب اصلی شاخص هم دقیقاً همین جا است.
🔸اما سوال اصلی که برای خودم مطرح بود، این است که درجه انحراف چقدر است؟ ضریب انحراف بین بازار و سبد فرضی من با شاخص کل و یا هم وزن چه اندازه است؟ بگذارید ساده تر بگویم. اصولاً من معتقدم به شاخصهای بازار یک ضریب ثابت یکسان و البته پنهان میخورد. اما عدد آن چند است؟
🔹از چندین روش تحلیل آماری که در ذهن داشتم، استفاده کردم.
به نظرم به دلیل ماهیت مثبت و یا منفی بودن بازار (اصطلاحا حالت باینری Binary)، بهترین روش، رگرسیون غیرخطی لجستیک باینری است.
در رگرسیون لجستیک عدد Odds Ratio که به آن OR میگوییم، از رابطه زیر به دست میآید
Exp{Beta} = OR = (p/1-p)
من p را احتمال مثبت بودن و در نتیجه یک منهای p را احتمال منفی بودن شاخص تعریف کردهام. بنابراین
OR = Probability (منفی/مثبت)
تحلیل مدل رگرسیونی لجستیک باینری، نشان میدهد، عدد OR رابطه بین سبد فرضی من و شاخص بورس برابر با 0.717 است.
سوال : این عدد یعنی چه؟
خیلی ساده. فرض کنید شاخص در یک روز، 2 درصد مثبت گزارش شده است.
در این صورت، سبد فرضی من به اندازه
%2 × 0.717 = %1.434
افزایش خواهد یافت.
حال فرض کنید یک روز شاخص، 2 درصد منفی گزارش شود. عدد OR در اینجا از رابطه زیر به دست میآید.
Probability (مثبت/منفی)
= 1/OR = 1/.717 = 1.395
بنابراین در آن روز سبد فرضی من به اندازه
%2 × 1.395 = %2.790
کاهش خواهد یافت.
👈بنابراین با استفاده از رگرسیون لجستیک باینری که بر توزیع برنولی استوار است، میتوان به ضریب ثابت شاخص بورس تهران که عدد 0.717 است، پی برد.
✍️کمتر بودن این عدد از عدد یک به معنای آن است که وقتی شاخص مثبت گزارش میشود، بازار واقعی، مثبت کمتری دارد و وقتی شاخص منفی گزارش میشود، بازار واقعی، منفی بیشتری دارد.
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
إِنَّا للّه وإِنّا إِلَیهِ رَاجِعُونَ
خبر کوتاه و شوکه کننده بود.
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
خبر کوتاه و شوکه کننده بود.
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
《شانزدهمین کنفرانس آمار ایران》
《کارگاه آموزشی》
🔸🔹 مقدمهای بر خوشهبندی به عنوان یک رویکرد یادگیری ماشینی بدون نظارت
👤 مدرس: پروفسور محمد جعفری جوزانی، عضو هیات علمی دانشگاه مانیتوبا، کانادا
جهت ثبتنام و کسب اطلاعات بیشتر به وبسایت کنفرانس مراجعه نمایید.
🔗 وبسایت کنفرانس:
https://isc16.umz.ac.ir
🆔 کانال تلگرام کنفرانس:
https://t.iss.one/ISC_16
شانزدهمین_کنفرانس_آمار_ایران
دانشگاه_مازندران
@ISC_16 🌱
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
《کارگاه آموزشی》
🔸🔹 مقدمهای بر خوشهبندی به عنوان یک رویکرد یادگیری ماشینی بدون نظارت
👤 مدرس: پروفسور محمد جعفری جوزانی، عضو هیات علمی دانشگاه مانیتوبا، کانادا
جهت ثبتنام و کسب اطلاعات بیشتر به وبسایت کنفرانس مراجعه نمایید.
🔗 وبسایت کنفرانس:
https://isc16.umz.ac.ir
🆔 کانال تلگرام کنفرانس:
https://t.iss.one/ISC_16
شانزدهمین_کنفرانس_آمار_ایران
دانشگاه_مازندران
@ISC_16 🌱
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
🔰189 پکیج در ماه جون در CRAN بارگذاری شده است، در این مقاله 40 انتخاب برتر آقای
لینک مقاله
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
Josep Rickert
در یازده دسته آمده است: روشهای محاسباتی، دادهها، بومشناسی، ژنومیک، یادگیری ماشین، ریاضیات، پزشکی، آمار، سریهای زمانی، ابزارهای مفید و تصویری سازی.لینک مقاله
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
✅دوره رایگان ✅UDACITY
در زمینه علم داده و SQL
📊➖➖➖➖➖➖➖➖➖➖➖📊
🖥تلویزیون آمار ایران در اینستاگرام
📩کانال تلگرام
🌐زی لینک
🔔یوتیوب
📖ویرگول
📺instagram: Expertstv_org
📊➖➖➖➖➖➖➖➖➖➖➖📊
در زمینه علم داده و SQL
📊➖➖➖➖➖➖➖➖➖➖➖📊
🖥تلویزیون آمار ایران در اینستاگرام
📩کانال تلگرام
🌐زی لینک
🔔یوتیوب
📖ویرگول
📺instagram: Expertstv_org
📊➖➖➖➖➖➖➖➖➖➖➖📊
Statistical_Analysis_with_R_For_Dummies_For_Dummies_PDFDrive_.pdf
10.8 MB
📕معرفی کتاب
📗تحلیل آماری با R
🔷زبان: انگلیسی
✅ویرایش اول
🌐تهیه شده توسط تیم تحلیلی
╭──•═✾®✾═•──╮
•• @R_Experts •••
╰──•═✾®✾═•──╯
✅مخصوص دانشجویان و فارغ التحصیلان
کارشناسی آمار✅
📊➖➖➖➖➖➖➖➖➖➖➖📊
تلویزیون آمار ایران در اینستاگرام
کانال تلگرام
زی لینک
یوتیوب
ویرگول
instagram: Expertstv_org
📊➖➖➖➖➖➖➖➖➖➖➖📊
📗تحلیل آماری با R
🔷زبان: انگلیسی
✅ویرایش اول
🌐تهیه شده توسط تیم تحلیلی
╭──•═✾®✾═•──╮
•• @R_Experts •••
╰──•═✾®✾═•──╯
✅مخصوص دانشجویان و فارغ التحصیلان
کارشناسی آمار✅
📊➖➖➖➖➖➖➖➖➖➖➖📊
تلویزیون آمار ایران در اینستاگرام
کانال تلگرام
زی لینک
یوتیوب
ویرگول
instagram: Expertstv_org
📊➖➖➖➖➖➖➖➖➖➖➖📊
Financial_modeling_1659887852.pdf
2.6 MB
Excel functions you should know if you're into financial modeling.
1- XNPV
Formula: =XNPV(discount_rate, cash_flows, dates)
2- XIRR
Formula: =XIRR(cash flows, dates)
3- MIRR
Formula: =MIRR(cash flows, cost of borrowing, reinvestment rate)
4- PMT
Formula: =PMT(rate, number of periods, present value)
5- IPMT
Formula: = IPMT(rate, current period #, total # of periods, present value)
6- EFFECT
Formula: =EFFECT(interest rate, # of periods per year)
7- DB
Formula: =DB(cost, salvage value, life/# of periods, current period)
8- RATE
Formula: =RATE(# of periods, coupon payment per period, price of bond, face value of bond, type)
9- FV
Formula: =FV(rate, # of periods, payments, starting value, type)
10- SLOPE
Formula: =SLOPE(dependent variable, independent variable)
🌐تهیه شده توسط تیم تحلیلی
╭──•═✾®✾═•──╮
•• @R_Experts •••
╰──•═✾®✾═•──╯
1- XNPV
Formula: =XNPV(discount_rate, cash_flows, dates)
2- XIRR
Formula: =XIRR(cash flows, dates)
3- MIRR
Formula: =MIRR(cash flows, cost of borrowing, reinvestment rate)
4- PMT
Formula: =PMT(rate, number of periods, present value)
5- IPMT
Formula: = IPMT(rate, current period #, total # of periods, present value)
6- EFFECT
Formula: =EFFECT(interest rate, # of periods per year)
7- DB
Formula: =DB(cost, salvage value, life/# of periods, current period)
8- RATE
Formula: =RATE(# of periods, coupon payment per period, price of bond, face value of bond, type)
9- FV
Formula: =FV(rate, # of periods, payments, starting value, type)
10- SLOPE
Formula: =SLOPE(dependent variable, independent variable)
🌐تهیه شده توسط تیم تحلیلی
╭──•═✾®✾═•──╮
•• @R_Experts •••
╰──•═✾®✾═•──╯
دوره دستکاری داده به سبک هدلی با حامد
dyplyr in R
مدت زمان دوره، ۴ ساعت، برای ثبتنام وکسب اطلاعات بیشتر با ما در ارتباط باشید
@iamrezaei
╭──•═✾®✾═•──╮
•• @R_Experts •••
╰──•═✾®✾═•──╯
✅مخصوص پژوهشگران علم داده و تحلیل داده
📊➖➖➖➖➖➖➖➖➖➖➖📊
تلویزیون آمار ایران در اینستاگرام
کانال تلگرام
زی لینک
یوتیوب
ویرگول
instagram: Expertstv_org
📊➖➖➖➖➖➖➖➖➖➖➖📊
dyplyr in R
مدت زمان دوره، ۴ ساعت، برای ثبتنام وکسب اطلاعات بیشتر با ما در ارتباط باشید
@iamrezaei
╭──•═✾®✾═•──╮
•• @R_Experts •••
╰──•═✾®✾═•──╯
✅مخصوص پژوهشگران علم داده و تحلیل داده
📊➖➖➖➖➖➖➖➖➖➖➖📊
تلویزیون آمار ایران در اینستاگرام
کانال تلگرام
زی لینک
یوتیوب
ویرگول
instagram: Expertstv_org
📊➖➖➖➖➖➖➖➖➖➖➖📊
✨ 𝟭𝟬 𝘆𝗲𝗮𝗿𝘀 𝗼𝗳 𝗦𝗵𝗶𝗻𝘆 ✨
July 31, 2012: the day Shiny was first shown to the world 👶🏻. And what a ride it has been! Joe Cheng told all about it during the rstudio::conf(2022) last month.
🌐تهیه شده توسط تیم تحلیلی
╭──•═✾®✾═•──╮
•• @R_Experts •••
╰──•═✾®✾═•──╯
July 31, 2012: the day Shiny was first shown to the world 👶🏻. And what a ride it has been! Joe Cheng told all about it during the rstudio::conf(2022) last month.
🌐تهیه شده توسط تیم تحلیلی
╭──•═✾®✾═•──╮
•• @R_Experts •••
╰──•═✾®✾═•──╯
You don't need to spend thousands of dollars to learn Data Science.
The best universities in the world offer a wide range of free courses in this field.
Here is a list 20 free courses in Data Science from the Massachusetts Institute of Technology, Stanford University, and Harvard University.
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
The best universities in the world offer a wide range of free courses in this field.
Here is a list 20 free courses in Data Science from the Massachusetts Institute of Technology, Stanford University, and Harvard University.
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
1. Introduction to Computer Science and Programming Using Python (MIT)
https://lnkd.in/eFrBJt7V
2. Introduction to Computational Thinking and Data Science (MIT)
https://lnkd.in/eN-zsz8w
3. The Analytics Edge (MIT)
https://lnkd.in/eqg7nNMK
4. Machine Learning (MIT)
https://lnkd.in/eQ3sKjxa
5. Introduction to Deep Learning (MIT)
https://lnkd.in/fx3RiBi
6. Artificial Intelligence (MIT)
https://lnkd.in/eskDb_ap
7. Optimization Methods (MIT)
https://lnkd.in/eSuS3DzT
8. Probabilistic Systems Analysis and Applied Probability (MIT)
https://lnkd.in/ehq5B966
9. Statistical Thinking and Data Analysis (MIT)
https://lnkd.in/e72fPiZT
10. Optimization Methods in Management Science (MIT)
https://lnkd.in/eEyGfTKZ
11. Databases (Stanford)
https://lnkd.in/enEcG7E8
12. Mining Massive Datasets (Stanford)
https://lnkd.in/eg6T-aVh
13. Statistical Learning (Stanford)
https://lnkd.in/ehv4iMeP
14. Computer Science 101 (Stanford)
https://lnkd.in/dBbz5Keh
15. Algorithms: Design and Analysis, Part 1 (Stanford)
https://lnkd.in/eKsafebr
16. Algorithms: Design and Analysis, Part 2 (Stanford)
https://lnkd.in/eTuwyQPB
17. Convex Optimization (Stanford)
https://lnkd.in/ezW3RgEZ
18. Introduction to Artificial Intelligence with Python (Harvard)
https://lnkd.in/datzPtf6
19. Data Science: Machine Learning (Harvard)
https://lnkd.in/e53_2hCU
20. Data Science: Probability (Harvard)
https://lnkd.in/eAjVbGP
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
https://lnkd.in/eFrBJt7V
2. Introduction to Computational Thinking and Data Science (MIT)
https://lnkd.in/eN-zsz8w
3. The Analytics Edge (MIT)
https://lnkd.in/eqg7nNMK
4. Machine Learning (MIT)
https://lnkd.in/eQ3sKjxa
5. Introduction to Deep Learning (MIT)
https://lnkd.in/fx3RiBi
6. Artificial Intelligence (MIT)
https://lnkd.in/eskDb_ap
7. Optimization Methods (MIT)
https://lnkd.in/eSuS3DzT
8. Probabilistic Systems Analysis and Applied Probability (MIT)
https://lnkd.in/ehq5B966
9. Statistical Thinking and Data Analysis (MIT)
https://lnkd.in/e72fPiZT
10. Optimization Methods in Management Science (MIT)
https://lnkd.in/eEyGfTKZ
11. Databases (Stanford)
https://lnkd.in/enEcG7E8
12. Mining Massive Datasets (Stanford)
https://lnkd.in/eg6T-aVh
13. Statistical Learning (Stanford)
https://lnkd.in/ehv4iMeP
14. Computer Science 101 (Stanford)
https://lnkd.in/dBbz5Keh
15. Algorithms: Design and Analysis, Part 1 (Stanford)
https://lnkd.in/eKsafebr
16. Algorithms: Design and Analysis, Part 2 (Stanford)
https://lnkd.in/eTuwyQPB
17. Convex Optimization (Stanford)
https://lnkd.in/ezW3RgEZ
18. Introduction to Artificial Intelligence with Python (Harvard)
https://lnkd.in/datzPtf6
19. Data Science: Machine Learning (Harvard)
https://lnkd.in/e53_2hCU
20. Data Science: Probability (Harvard)
https://lnkd.in/eAjVbGP
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
lnkd.in
LinkedIn
This link will take you to a page that’s not on LinkedIn
|R| Experts pinned «1. Introduction to Computer Science and Programming Using Python (MIT) https://lnkd.in/eFrBJt7V 2. Introduction to Computational Thinking and Data Science (MIT) https://lnkd.in/eN-zsz8w 3. The Analytics Edge (MIT) https://lnkd.in/eqg7nNMK 4. Machine…»
When we say only knowledge is not enough
it means this
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
it means this
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
📢 دوره آنلاین پروژهمحور «پایگاهداده مقدماتی»
📚برخی از سرفصلهای دوره:
• اصول طراحی پایگاهداده رابطهای
• آشنایی با زبان SQL
• عملیات در پایگاهداده رابطهای
• چرخه توسعه پایگاهداده
• پیادهسازی پایگاهداده
🏅مدرس دوره: دکتر تکتم خطیبی
• دکتری مهندسی صنایع دانشگاه تربیت مدرس
• دانشیار دانشکده مهندسی صنایع و سیستمهای دانشگاه تربیت مدرس
💵قیمت: ۵۰۰.۰۰۰ تومان
تا سه شنبه ۱۸ دی ماه میتوانید این دوره را با ۲۰۰ هزارتومان تخفیف ثبتنام کنید.
کدتخفیف: DATABASE
⏱️مدت زمان دوره:
۱۱ ساعت ویدئوی آموزشی ضبطشده
همراه با جلسات منتورینگ و رفع اشکال
https://hamrah.academy/course/136
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
📚برخی از سرفصلهای دوره:
• اصول طراحی پایگاهداده رابطهای
• آشنایی با زبان SQL
• عملیات در پایگاهداده رابطهای
• چرخه توسعه پایگاهداده
• پیادهسازی پایگاهداده
🏅مدرس دوره: دکتر تکتم خطیبی
• دکتری مهندسی صنایع دانشگاه تربیت مدرس
• دانشیار دانشکده مهندسی صنایع و سیستمهای دانشگاه تربیت مدرس
💵قیمت: ۵۰۰.۰۰۰ تومان
تا سه شنبه ۱۸ دی ماه میتوانید این دوره را با ۲۰۰ هزارتومان تخفیف ثبتنام کنید.
کدتخفیف: DATABASE
⏱️مدت زمان دوره:
۱۱ ساعت ویدئوی آموزشی ضبطشده
همراه با جلسات منتورینگ و رفع اشکال
https://hamrah.academy/course/136
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
You can become a data analyst in 90 days without spending a cent! Yes, you heard that right.
With the right approach and dedication, anyone can become a data analyst . Here are the steps to follow( Make sure the order is maintained):
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
With the right approach and dedication, anyone can become a data analyst . Here are the steps to follow( Make sure the order is maintained):
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
Learn Excel - Time : 12 days
🎙️ Tutorials -
https://lnkd.in/eWmC2vf8
🏗️ Projects -
https://lnkd.in/ew5y5KP7
Learn Basic Statistics - Time : 3 days
🎙️ Tutorials -
https://lnkd.in/emKawHBs
Learn Power BI - Time : 20 days
🎙️ Tutorials -
https://lnkd.in/eWmC2vf8
🏗️ Projects -
https://lnkd.in/ew5y5KP7
Learn SQL - Time : 20 days
🎙️ Tutorials -
https://lnkd.in/epAFJzJB
🏗️ Projects -
https://lnkd.in/eq9jqcBq
Learn Python - Time : 20 days
🎙️ Tutorials -
https://lnkd.in/eh4gTQQ2
🏗️ Projects -
https://lnkd.in/emzcrzTX
Work on Projects and build your portfolio - Time : 15 days
🎙️ Portfolio -
https://lnkd.in/eVFWpmFg
🏗️ Projects -
https://lnkd.in/epd_9Bx8
Build Resume and start applying for the Jobs
🎙️ Resume -
https://lnkd.in/eAaTiiJi
Wishing you all the best!
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
🎙️ Tutorials -
https://lnkd.in/eWmC2vf8
🏗️ Projects -
https://lnkd.in/ew5y5KP7
Learn Basic Statistics - Time : 3 days
🎙️ Tutorials -
https://lnkd.in/emKawHBs
Learn Power BI - Time : 20 days
🎙️ Tutorials -
https://lnkd.in/eWmC2vf8
🏗️ Projects -
https://lnkd.in/ew5y5KP7
Learn SQL - Time : 20 days
🎙️ Tutorials -
https://lnkd.in/epAFJzJB
🏗️ Projects -
https://lnkd.in/eq9jqcBq
Learn Python - Time : 20 days
🎙️ Tutorials -
https://lnkd.in/eh4gTQQ2
🏗️ Projects -
https://lnkd.in/emzcrzTX
Work on Projects and build your portfolio - Time : 15 days
🎙️ Portfolio -
https://lnkd.in/eVFWpmFg
🏗️ Projects -
https://lnkd.in/epd_9Bx8
Build Resume and start applying for the Jobs
🎙️ Resume -
https://lnkd.in/eAaTiiJi
Wishing you all the best!
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
lnkd.in
LinkedIn
This link will take you to a page that’s not on LinkedIn
Forwarded from ⚡️فلش پراجکت | راهحل نهایی پروژههای دانشجویی
✨ انجمن علمی دانشجویی هیپوکامپ برگزار میکند :
⚜️ دوره مقدماتی و متوسط زبان برنامه نویسی R
با تدریس:
👨🏫 مهندس جواد وحدت
🔖 کارشناس ارشد آمار ریاضی، فعال حوزه علم داده و یادگیری ماشین با سابقه 8 سال تدریس کارگاه های مختلف در حوزه علم داده و آمار
🔆 12 جلسه تدریس 2 ساعته، کاملا تعاملی
📆 روز های یکشنبه و سه شنبه
شروع دوره از 23 بهمن 1401
📌 (10 جلسه قبل از عید و 2 جلسه بعد از عید برگزار خواهد شد)
⏰ کلاس ها با ظرفیت محدود در دو تایم بندی زیر برگزار خواهند شد:
ساعت 17 تا 19 و ساعت 19 تا 21
🌀 هزینه دوره 200 هزار تومان
🖥 در بستر اسکای روم
💠 با ارائه گواهی معتبر از طرف معاونت فرهنگی دانشجویی دانشگاه علوم پزشکی اردبیل
🌐 لینک ثبت نام
#جزئیاتدورهزبانبرنامهنویسیR:
✅ درباره مدرس دوره
✅ سرفصل های آموزشی این دوره به تفصیل
✅ تاریخ جلسات و نحوه برگزاری دوره
✨@hippocampus_association✨
⚜️ دوره مقدماتی و متوسط زبان برنامه نویسی R
با تدریس:
👨🏫 مهندس جواد وحدت
🔖 کارشناس ارشد آمار ریاضی، فعال حوزه علم داده و یادگیری ماشین با سابقه 8 سال تدریس کارگاه های مختلف در حوزه علم داده و آمار
🔆 12 جلسه تدریس 2 ساعته، کاملا تعاملی
📆 روز های یکشنبه و سه شنبه
شروع دوره از 23 بهمن 1401
📌 (10 جلسه قبل از عید و 2 جلسه بعد از عید برگزار خواهد شد)
⏰ کلاس ها با ظرفیت محدود در دو تایم بندی زیر برگزار خواهند شد:
ساعت 17 تا 19 و ساعت 19 تا 21
🌀 هزینه دوره 200 هزار تومان
🖥 در بستر اسکای روم
💠 با ارائه گواهی معتبر از طرف معاونت فرهنگی دانشجویی دانشگاه علوم پزشکی اردبیل
🌐 لینک ثبت نام
#جزئیاتدورهزبانبرنامهنویسیR:
✅ درباره مدرس دوره
✅ سرفصل های آموزشی این دوره به تفصیل
✅ تاریخ جلسات و نحوه برگزاری دوره
✨@hippocampus_association✨
12 Best Free SQL Courses to Boost Your Database Skills.
1. Introduction to Structured Query Language (SQL)
🔗https://lnkd.in/dvD_BpEs
2. Introduction to SQL for BigQuery and Cloud SQL
🔗https://lnkd.in/d2N_d479
3. Foundations for Big Data Analysis with SQL
🔗https://lnkd.in/dNwwCQPh
4. Analyzing Big Data with SQL
🔗https://lnkd.in/d5r9EyhB
5. Managing Big Data with MySQL
🔗https://lnkd.in/di5znRkx
6. SQL for Data Science
🔗https://lnkd.in/dSM8zwqS
7. Databases and SQL for Data Science with Python
🔗https://lnkd.in/dwN7YhFC
8. Scripting with Python and SQL for Data Engineering
🔗https://lnkd.in/dRicmiUU
9. SQL for Data Science with R
🔗https://lnkd.in/dyPymzw2
10. Microsoft Azure SQL
🔗https://lnkd.in/dgQuiM8m
11. Oracle SQL Basics
🔗https://lnkd.in/deGP4N-v
12. Troubleshooting Common SQL Errors with BigQuery
🔗https://lnkd.in/dZVkuTiF
If you need advice on how to take Coursera courses for free, check this out:
🔗 https://t.co/Wghfr9kv3Y
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
1. Introduction to Structured Query Language (SQL)
🔗https://lnkd.in/dvD_BpEs
2. Introduction to SQL for BigQuery and Cloud SQL
🔗https://lnkd.in/d2N_d479
3. Foundations for Big Data Analysis with SQL
🔗https://lnkd.in/dNwwCQPh
4. Analyzing Big Data with SQL
🔗https://lnkd.in/d5r9EyhB
5. Managing Big Data with MySQL
🔗https://lnkd.in/di5znRkx
6. SQL for Data Science
🔗https://lnkd.in/dSM8zwqS
7. Databases and SQL for Data Science with Python
🔗https://lnkd.in/dwN7YhFC
8. Scripting with Python and SQL for Data Engineering
🔗https://lnkd.in/dRicmiUU
9. SQL for Data Science with R
🔗https://lnkd.in/dyPymzw2
10. Microsoft Azure SQL
🔗https://lnkd.in/dgQuiM8m
11. Oracle SQL Basics
🔗https://lnkd.in/deGP4N-v
12. Troubleshooting Common SQL Errors with BigQuery
🔗https://lnkd.in/dZVkuTiF
If you need advice on how to take Coursera courses for free, check this out:
🔗 https://t.co/Wghfr9kv3Y
╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯
lnkd.in
LinkedIn
This link will take you to a page that’s not on LinkedIn