دوره آموزش جامع تحلیل داده و آمار کاربردی با زبان R (ویژه پژوهشگران و تحلیل‌گران) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع تحلیل داده و آمار کاربردی با زبان R (ویژه پژوهشگران و تحلیل‌گران)

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: تحلیل داده‌های کمی با استفاده از زبان برنامه‌نویسی R

📋 سرفصل‌های دوره

• 1. مبانی محیط برنامه‌نویسی و نصب نرم‌افزار R
• 2. آشنایی با محیط یکپارچه توسعه RStudio
• 3. انواع داده‌ها و ساختارهای اصلی در R
• 4. مدیریت متغیرها و عملیات محاسباتی پایه
• 5. کار با بردارها و ماتریس‌ها در تحلیل داده
• 6. ساختار داده‌ای دیتا‌فریم و فراخوانی فایل‌های داده
• 7. کار با لیست‌ها و آرایه‌ها در محاسبات آماری
• 8. فراخوانی و خواندن داده‌ها از فرمت‌های CSV و اکسل
• 9. پاک‌سازی داده‌های ناقص و مدیریت مقادیر گمشده
• 10. تغییر شکل و مرتب‌سازی داده‌ها با بسته dplyr
• 11. فیلتر کردن و انتخاب زیرمجموعه‌های داده
• 12. تجمیع و خلاصه‌سازی داده‌ها با توابع گروهی
• 13. اتصال و ادغام جداول داده با استفاده از عملیات Join
• 14. تبدیل انواع داده‌ها و کار با متغیرهای اسمی و ترتیبی
• 15. مقدمه‌ای بر آمار توصیفی و شاخص‌های مرکزی
• 16. محاسبه و تحلیل شاخص‌های پراکندگی در R
• 17. نمایش داده‌ها با نمودارهای میله‌ای و ستونی
• 18. رسم نمودارهای توزیع و هیستوگرام
• 19. تحلیل همبستگی و رسم نمودارهای پراکندگی
• 20. مصورسازی پیشرفته داده‌ها با بسته ggplot2
• 21. تنظیمات گرافیکی و شخصی‌سازی نمودارهای علمی
• 22. درک توزیع‌های احتمالی در تحلیل‌های آماری
• 23. مبانی استنباط آماری و برآورد پارامترها
• 24. آزمون‌های فرض آماری و مفهوم p-value
• 25. آزمون t-test برای مقایسه میانگین گروه‌ها
• 26. تحلیل واریانس یک‌طرفه و چندطرفه ANOVA
• 27. آزمون‌های ناپارامتریک در تحلیل داده‌ها
• 28. تحلیل رگرسیون خطی ساده و تفسیر ضرایب
• 29. بررسی مفروضات رگرسیون و تحلیل باقی‌مانده‌ها
• 30. رگرسیون خطی چندگانه و انتخاب متغیرهای موثر
• 31. مقدمه‌ای بر مدل‌سازی رگرسیون لجستیک
• 32. ارزیابی دقت مدل‌های پیش‌بینی و شاخص‌های خطا
• 33. تقسیم‌بندی داده‌ها به مجموعه‌های آموزش و آزمون
• 34. اعتبارسنجی متقاطع برای افزایش دقت مدل
• 35. آشنایی با الگوریتم‌های یادگیری نظارت‌شده در R
• 36. خوشه‌بندی داده‌ها و تحلیل مولفه‌های اصلی PCA
• 37. کاربرد تحلیل داده در گزارش‌سازی علمی
• 38. تولید گزارش‌های پویا با استفاده از R Markdown
• 39. اخلاق در تحلیل داده و حفظ حریم خصوصی کاربران
• 40. پروژه عملی تحلیل یک مجموعه داده واقعی در محیط R