دوره آموزش جامع تحلیل داده‌های کاربردی با استفاده از Tidyverse همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع تحلیل داده‌های کاربردی با استفاده از Tidyverse

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: تحلیل و مصورسازی داده‌ها با زبان برنامه‌نویسی R

📋 سرفصل‌های دوره

• 1. مبانی و فلسفه تحلیل داده با رویکرد Tidyverse
• 2. نصب و راه‌اندازی محیط برنامه‌نویسی R و RStudio
• 3. آشنایی با ساختار داده‌ها و انواع متغیرها در R
• 4. وارد کردن داده‌ها از فرمت‌های مختلف با بسته readr
• 5. مبانی کدنویسی تمیز و خوانا در Tidyverse
• 6. استفاده از عملگر پایپ برای زنجیره‌سازی توابع
• 7. پاک‌سازی و مرتب‌سازی داده‌های خام با بسته tidyr
• 8. تغییر ساختار داده‌ها بین فرمت‌های پهن و بلند
• 9. فیلتر کردن و انتخاب زیرمجموعه‌های داده با dplyr
• 10. تغییر نام و اصلاح متغیرها در مجموعه‌های داده
• 11. ایجاد متغیرهای جدید و محاسبات ستونی
• 12. گروه‌بندی داده‌ها و اجرای تحلیل‌های آماری توصیفی
• 13. ادغام و الحاق جداول داده با توابع join
• 14. مدیریت داده‌های گمشده و مقادیر نامعتبر
• 15. تحلیل داده‌های زمانی و کار با تاریخ‌ها در بسته lubridate
• 16. کار با رشته‌های متنی و پردازش متون با stringr
• 17. مبانی مصورسازی داده‌ها با بسته ggplot2
• 18. ایجاد نمودارهای پراکندگی و خطی برای تحلیل روندها
• 19. رسم نمودارهای ستونی و میله‌ای برای مقایسه داده‌ها
• 20. توزیع داده‌ها و رسم هیستوگرام و نمودارهای چگالی
• 21. شخصی‌سازی محورها و برچسب‌های نمودار
• 22. استفاده از لایه‌ها و تم‌ها برای بهبود زیبایی‌شناسی نمودارها
• 23. تحلیل‌های آماری مقدماتی و استنباطی در محیط Tidyverse
• 24. اجرای آزمون‌های فرض آماری بر روی مجموعه‌های داده
• 25. مدل‌سازی رگرسیون خطی ساده و چندگانه
• 26. ارزیابی دقت مدل‌های آماری و تحلیل باقی‌مانده‌ها
• 27. خلاصه‌سازی نتایج تحلیل و گزارش‌دهی خودکار
• 28. تولید گزارش‌های حرفه‌ای با R Markdown
• 29. بهینه‌سازی کدهای تحلیل داده برای افزایش کارایی
• 30. اصول اخلاق حرفه‌ای در مدیریت و امانت‌داری داده‌ها
• 31. پروژه نهایی تحلیل یک مجموعه داده واقعی اقتصادی و اجتماعی
• 32. اعتبارسنجی نتایج تحلیل در چارچوب مستندات علمی
• 33. استفاده از توابع شرطی برای مدیریت جریان داده‌ها
• 34. تکرار عملیات تحلیل با توابع خانواده map
• 35. کار با فاکتورها و داده‌های طبقه‌بندی شده
• 36. تجسم داده‌های چندمتغیره با استفاده از Faceting
• 37. مدیریت حافظه در تحلیل مجموعه‌های داده بزرگ
• 38. خطایابی و رفع مشکلات رایج در کدنویسی R
• 39. تکنیک‌های پیشرفته در تجمیع و تحلیل داده‌های سری زمانی
• 40. ارائه بصری نتایج برای تصمیم‌گیری‌های مبتنی بر داده