آموزش اِس پی اِس اِسآموزش فارسی، تصویری و مالتی مدیای SPSS

ویژگی های اصلی مجموعه آموزشی ” صفر تا صد آموزش اِس پی اِس اِس”  :

– ۳۶۰ دقیقه آموزش اِس پی اِس اِس به زبان فارسی و به صورت جامع از آشنایی مقدماتی تا انجام پروژه های کاربردی
– آموزش فوق العاده کاربردی و سطح یک جهانی دوبله شده از اساتید معتبر دنیا
برای اولین بار در ایران! ترجمه ، فارسی سازی ، بومی سازی و دوبله شده با بهترین کیفیت توسط متخصصین ایرانی
– شامل دوره جامع آموزشی فارسی و پروژه محور ” آموزش جامع اِس پی اِس اِس ” – SPSS Statistics Essential Training
– همراه با نسخه کامل نرم افزار IBM SPSS Statistics ۲۶
– همراه با سورس ارزشمند و فایلهای تمرینی تمام پروژه های آموزشی فارسی
– بسته ای عالی برای تمام رشته هایی که به تحلیل آماری نیاز دارند.

اِس پی اِس اِس چیست ؟ What is SPSS

اس‌پی‌اس‌اس (به انگلیسی: SPSS)،(مخفف: Statistical package for social science) نام یک خانواده نرم‌افزار رایانه‌ای است که برای تحلیل‌های آماری به کار می‌رود. «اس‌پی‌اس‌اس» مخفف «بستهٔ آماری برای علوم اجتماعی» است.
«اس پی اس اس» از جملهٔ نرم‌افزارهایی است که برای تحلیل‌های آماری در علوم اجتماعی، به صورت بسیار گسترده‌ای استفاده می‌شود. این نرم‌افزار توسط پژوهشگران بازار و داد و ستد، پژوهشگران سلامتی، شرکت‌های نقشه‌برداری، دولتی، پژوهشگران آموزشی، سازمان‌های بازاریابی و غیره به کار می‌رود. افزون بر تحلیل‌های آماری، مدیریت داده‌ها و مستندسازی داده‌ها نیز از ویژگی‌های نرم‌افزار هستند.
آماری که نرم‌افزار پایه شامل می‌شود:
آمار توصیفی: جدول‌بندی شطرنجی، بسامدها، توصیفات، کاوش، آمار توصیفی نسبی
آمار دومتغیری: میانه‌ها، آزمون تی، تحلیل پراکنش، همبستگی، آزمون‌های غیرپارامتری
پیش‌بینی برآمدهای عددی: برگشت خطی
پیش‌بینی برای تشخیص گروه‌ها: تحلیل عاملی، تحلیل خوشه‌ای، جداکننده

دوره آموزشی ” آموزش جامع اِس پی اِس اِس ”
SPSS Statistics Essential Training

نرم افزار SPSS Statistics یک برنامه آمار و تحلیل داده برای کسب و کارها، دولت ها، موسسات تحقیقاتی و سازمان های علمی است. در این دوره آموزش SPSS یک رویکرد عملی، بصری و غیر ریاضیاتی برای یادگیری SPSS Statistics خواهیم داشت و آموزش می دهیم چگونه از این برنامه محبوب برای تحلیل داده به شیوه هایی استفاده کنید که در spreadsheet ها دشوار یا غیرممکن هستند، اما نیاز به یادگیری زبان های برنامه نویسی مثل Python و R ندارند. تمام مباحث را در این دوره آموزش SPSS پوشش می دهیم، از Import کردن spreadsheet ها گرفته تا ساخت تصویرسازی های داده و محاسبه آمارهای توصیفی و تاکید را روی وضوح، تفسیر، ارتباط پذیری و کاربرد قرار می دهیم. این دوره برای محققان تازه کار و کسانی که می خواهند بیشترین استفاده از داده ها را در کارهای تخصصی و علمی خود داشته باشند مناسب است.

عناوین و سرفصلهای دوره آموزشی ” آموزش جامع اِس پی اِس اِس “

مقدمه
۱- خوش آمدگویی
۲- استفاده از فایل های تمرینی
فصل اول – اس پی اس اس چیست؟
۱- معرفی SPSS
۲- ورژن ها، نسخه ها، لایسنس ها و رابط های کاربری
فصل دوم – آغاز به کار
۱- حرکت در محیط SPSS
۲- مجموعه داده های نمونه
۳- نوع های داده، سنجش ها و نقش ها
۴- گزینه ها و تنظیمات
۵- گسترش SPSS
۶- ذخیره سازی و اجرای فایل های Syntax
فصل سوم – بصری سازی داده
۱- بصری سازی داده با Chart Builder
۲- اصلاح کردن بصری سازی های Chart Builder
۳- بصری سازی داده با قالب های Graphboard
۴- اصلاح کردن بصری سازی های Graphboard
۵- استفاده از پنجره های قدیمی – Boxplot ها برای چندین متغیر
۶- ساخت Plot های متغیر رگرسیون
۷- مقایسه کردن زیرگروه ها

فصل چهارم – آماده سازی داده
۱- وارد کردن داده
۲- برچسب های متغیر
۳- برچسب های مقدار
۴- تقسیم کردن فایل ها
۵- انتخاب Case ها و زیرگروه ها
فصل پنجم – ضبط کردن داده
۱- ضبط کردن متغیرها
۲- معکوس کردن مقادیر با Syntax
۳- کدنویسی مجدد با درجه بندی Case ها
۴- ساخت متغیرهای مصنوعی
۵- کدنویسی مجدد با Visual Binning
۶- کدنویسی مجدد با Optimal Binning
۷- آماده سازی داده برای مدلسازی
۸- محاسبه کردن امتیازها

فصل ششم – جستجو در داده
۱- محاسبه کردن فرکانس ها
۲- محاسبه کردن توصیفی ها
۳- تحلیل داده اکتشافی
۴- محاسبه کردن همبستگی ها
۵- محاسبه کردن جداول احتمالات
۶- تحلیل عاملی و تحلیل مولفه اصلی
۷- تحلیل قابلیت اطمینان
فصل هفتم – خوشه بندی و طبقه بندی
۱- خوشه بندی سلسله مراتبی
۲- خوشه بندی کی-میانگین
۳- خوشه بندی کی-نزدیکترین همسایه ها
۴- طبقه بندی درخت تصمیم گیری در SPSS
۵- شبکه های عصبی در SPSS: طبقه بندی پرسپترون چند لایه
۶- شبکه های عصبی در SPSS: طبقه بندی عملکرد پایه شعاعی
فصل هشتم – تحلیل داده
۱- مقایسه کردن تناسب ها
۲- مقایسه یک میانگین با یک جمعیت – تست T تک نمونه
۳- مقایسه میانگین های جفتی – تست T جفت نمونه
۴- مقایسه دو میانگین – تست T نمونه های مستقل
۵- مقایسه چندین میانگین – ANOVA یک جهته
۶- مقایسه میانگین ها با دو متغیر طبقه ای – ANOVA

فصل نهم – ساخت مدل های پیش بینی کننده
۱- محاسبه یک رگرسیون خطی
۲- انتخاب متغیر
۳- رگرسیون منطقی
۴- مدلسازی خطی خودکار
فصل دهم – به اشتراک گذاری کار
۱- استخراج نمودارها و جداول
۲- گزارشات وب
فصل یازدهم – نتیجه گیری
۱- گام های بعدی