💠 نوزدهمین وبینار از سلسله وبینارهای انجمن آمار ایران
❇️ روشهای کاهش بُعد بسنده در رگرسیون و سریهای زمانی
Sufficient Dimension Reduction Methods in Regression and Time Series
✳️ دکتر سید یاسر صمدی
🏢 دانشیار آمار، مدرسهی علوم ریاضی و آمار، دانشگاه ایلینوی جنوبی
Southern Illinois University
📆 چهارشنبه ۱۳ اسفند ماه
🕕 ساعت ۱۸ تا ۱۹:۳۰
🔖 کاهش ابعاد همیشه یک مسئلهی اساسی و چالش برانگیز در تحلیل دادههای پیچیده با ابعاد بالا بوده است. کاهش بُعد بسنده (SDR) ابزاری قدرتمند و موفق در تجزیه و تحليل دادههای مدرن است که هم در دانشگاه و هم در صنعت بسیار مورد توجه قرار گرفته است. SDR مجموعهای از تکنیکهای کاهش بُعد برای کاهش ابعاد دادهها و متغیرها بدون از دست دادن اطلاعات است. در این سخنرانی، ما روش SDR را معرفی میکنیم و برخی روشهای عمدهی SDR در رگرسیون و سری زمانی را ارائه میدهیم.
🌐 نشانی محل برگزاری وبینار تحت بستر Adobe Connect:
http://vc.edejo.ir/irstat
❇️ روشهای کاهش بُعد بسنده در رگرسیون و سریهای زمانی
Sufficient Dimension Reduction Methods in Regression and Time Series
✳️ دکتر سید یاسر صمدی
🏢 دانشیار آمار، مدرسهی علوم ریاضی و آمار، دانشگاه ایلینوی جنوبی
Southern Illinois University
📆 چهارشنبه ۱۳ اسفند ماه
🕕 ساعت ۱۸ تا ۱۹:۳۰
🔖 کاهش ابعاد همیشه یک مسئلهی اساسی و چالش برانگیز در تحلیل دادههای پیچیده با ابعاد بالا بوده است. کاهش بُعد بسنده (SDR) ابزاری قدرتمند و موفق در تجزیه و تحليل دادههای مدرن است که هم در دانشگاه و هم در صنعت بسیار مورد توجه قرار گرفته است. SDR مجموعهای از تکنیکهای کاهش بُعد برای کاهش ابعاد دادهها و متغیرها بدون از دست دادن اطلاعات است. در این سخنرانی، ما روش SDR را معرفی میکنیم و برخی روشهای عمدهی SDR در رگرسیون و سری زمانی را ارائه میدهیم.
🌐 نشانی محل برگزاری وبینار تحت بستر Adobe Connect:
http://vc.edejo.ir/irstat