دوره مقدمه‌ای بر تحلیل داده با R: از وارد کردن تا مصورسازی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر تحلیل داده با R: از وارد کردن تا مصورسازی

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: تحلیل داده با زبان برنامه‌نویسی R

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم داده و R
• 2. نصب و راه‌اندازی R و RStudio
• 3. آشنایی با محیط RStudio
• 4. کار با ابزارها و پنجره‌های RStudio
• 5. مقدمه‌ای بر انواع داده در R
• 6. بردارها و مقادیر اسکالر
• 7. آشنایی با ساختارهای داده‌ای: لیست‌ها
• 8. آشنایی با ساختارهای داده‌ای: ماتریس‌ها
• 9. آشنایی با ساختارهای داده‌ای: آرایه‌ها
• 10. آشنایی با ساختارهای داده‌ای: فاکتورها
• 11. آشنایی با ساختارهای داده‌ای: دیتا فریم‌ها
• 12. بارگذاری داده‌ها از فایل‌های CSV
• 13. بارگذاری داده‌ها از فایل‌های اکسل
• 14. بارگذاری داده‌ها از فایل‌های متنی
• 15. بارگذاری داده‌ها از پایگاه‌های داده
• 16. آشنایی با پکیج‌های R
• 17. نصب و مدیریت پکیج‌ها
• 18. مقدمه‌ای بر tidyverse
• 19. کار با بسته dplyr برای دستکاری داده
• 20. انتخاب ستون‌ها با select()
• 21. فیلتر کردن ردیف‌ها با filter()
• 22. مرتب‌سازی داده‌ها با arrange()
• 23. ایجاد ستون‌های جدید با mutate()
• 24. خلاصه‌سازی داده‌ها با summarise()
• 25. گروه‌بندی داده‌ها با group_by()
• 26. ترکیب عملیات با pipe operator (%>%)
• 27. کار با بسته tidyr برای تغییر شکل داده
• 28. تبدیل داده از فرم عریض به بلند با pivot_longer()
• 29. تبدیل داده از فرم بلند به عریض با pivot_wider()
• 30. جدا کردن ستون‌ها با separate()
• 31. الحاق ستون‌ها با unite()
• 32. کار با بسته readr برای خواندن داده‌ها
• 33. خواندن فایل‌های CSV با read_csv()
• 34. خواندن فایل‌های TSV با read_tsv()
• 35. خواندن فایل‌های Fixed-width با read_fwf()
• 36. کار با بسته stringr برای کار با رشته‌ها
• 37. جستجو و جایگزینی در رشته‌ها
• 38. تقسیم و پیوستن رشته‌ها
• 39. کار با بسته forcats برای فاکتورها
• 40. مرتب‌سازی سطوح فاکتور
• 41. دستکاری سطوح فاکتور
• 42. مقدمه‌ای بر مصورسازی داده‌ها
• 43. مقدمه‌ای بر ggplot2
• 44. ساختار اصلی نمودارهای ggplot2
• 45. اضافه کردن لایه‌های هندسی (geoms)
• 46. نمودار پراکندگی (scatterplot)
• 47. نمودار خطی (line plot)
• 48. نمودار میله‌ای (bar plot)
• 49. نمودار هیستوگرام (histogram)
• 50. نمودار جعبه‌ای (boxplot)
• 51. نمودار تراکم (density plot)
• 52. نمودار ستونی (column plot)
• 53. نمودار دایره‌ای (pie chart) - با احتیاط
• 54. تنظیم مقیاس محورها
• 55. تنظیم برچسب‌ها و عنوان نمودار
• 56. استفاده از رنگ و شکل در مصورسازی
• 57. مصورسازی داده‌های دسته‌بندی شده
• 58. مصورسازی داده‌های عددی
• 59. مصورسازی داده‌های زمانی
• 60. مصورسازی داده‌های جغرافیایی (مقدماتی)
• 61. کار با تم‌ها در ggplot2
• 62. ذخیره نمودارها
• 63. مقدمه‌ای بر تحلیل آماری در R
• 64. مقدمه‌ای بر آمار توصیفی
• 65. محاسبه میانگین، میانه، مد
• 66. محاسبه واریانس و انحراف معیار
• 67. محاسبه صدک‌ها و چارک‌ها
• 68. آزمون‌های فرض آماری (مقدماتی)
• 69. آزمون t تک نمونه‌ای
• 70. آزمون t مستقل
• 71. آزمون t زوجی
• 72. مقدمه‌ای بر رگرسیون خطی ساده
• 73. تفسیر ضرایب رگرسیون
• 74. ارزیابی مدل رگرسیون
• 75. مقدمه‌ای بر تحلیل واریانس (ANOVA)
• 76. ANOVA یک‌طرفه
• 77. مقایسه‌های چندگانه پس از ANOVA
• 78. مقدمه‌ای بر تحلیل سری‌های زمانی (مقدماتی)
• 79. کار با داده‌های سری زمانی در R
• 80. رسم نمودار سری زمانی
• 81. شناسایی روند و فصلی بودن
• 82. مقدمه‌ای بر یادگیری ماشین (مقدماتی)
• 83. تعریف یادگیری ماشین
• 84. انواع یادگیری ماشین (نظارت شده، بدون نظارت)
• 85. تقسیم داده به مجموعه آموزش و آزمون
• 86. ارزیابی مدل‌های یادگیری ماشین (مقدماتی)
• 87. مقدمه‌ای بر خوشه‌بندی (Clustering)
• 88. الگوریتم K-Means (مقدماتی)
• 89. تفسیر نتایج خوشه‌بندی
• 90. مقدمه‌ای بر طبقه‌بندی (Classification)
• 91. رگرسیون لجستیک (مقدماتی)
• 92. ارزیابی مدل‌های طبقه‌بندی (مقدماتی)
• 93. ملاحظات اخلاقی در تحلیل داده
• 94. حفظ حریم خصوصی داده‌ها
• 95. سوگیری در داده‌ها و الگوریتم‌ها
• 96. تفسیر مسئولانه نتایج آماری
• 97. کار با داده‌های بزرگ (مقدماتی)
• 98. ملاحظات عملکردی در R
• 99. بهینه‌سازی کد R
• 100. مقدمه‌ای بر گزارش‌دهی تحلیل داده