اپلیکیشن اندرویدی فلش‌کارت آموزشی برنامه‌نویسی آماری با R: نقشه راه شما برای تحلیل داده

349,950 تومان
برنامه‌نویسی آماری با R: نقشه راه شما برای تحلیل داده برنامه‌نویسی آماری با R: نقشه راه شما برای تحلیل داده آیا رویای تبدیل شدن به یک تحلیلگر داده ماهر را در سر دارید؟ آیا می‌خواهید با قدرتمندترین ابز...
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 87,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره برنامه‌نویسی آماری با R: نقشه راه شما برای تحلیل داده

موضوع کلی: تجزیه و تحلیل داده

موضوع میانی: برنامه‌نویسی آماری با R

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر R و RStudio: چرا R برای تحلیل داده؟
  • 2. نصب R و RStudio روی سیستم‌عامل‌های مختلف
  • 3. آشنایی با محیط کاربری RStudio: کنسول، اسکریپت، محیط و نمودارها
  • 4. اولین دستورات در R: استفاده از R به عنوان یک ماشین حساب
  • 5. دریافت راهنمایی در R: توابع `help()` و `?`
  • 6. پکیج‌ها (Packages) در R: نصب و فراخوانی کتابخانه‌ها
  • 7. مدیریت فضای کاری (Workspace) و پروژه‌ها در RStudio
  • 8. متغیرها و عملگر تخصیص (Assignment)
  • 9. انواع داده‌های پایه: عددی (Numeric)، صحیح (Integer)، کاراکتری (Character) و منطقی (Logical)
  • 10. مقادیر ویژه: `NA`، `NaN`، `Inf` و `-Inf`
  • 11. بررسی و تبدیل انواع داده‌ها (Coercion)
  • 12. عملگرهای حسابی و مقایسه‌ای
  • 13. عملگرهای منطقی: AND, OR, NOT
  • 14. مقدمه‌ای بر ساختارهای داده در R
  • 15. وکتورها (Vectors): سنگ بنای R
  • 16. ایجاد وکتورها با `c()`, `seq()` و `rep()`
  • 17. عملیات ریاضی روی وکتورها (Vectorization)
  • 18. اندیس‌گذاری (Indexing) و انتخاب زیرمجموعه (Subsetting) در وکتورها
  • 19. فیلتر کردن وکتورها با استفاده از اندیس‌گذاری منطقی
  • 20. توابع پایه برای کار با وکتورها: `length()`, `sum()`, `mean()`
  • 21. ماتریس‌ها (Matrices): ایجاد و کاربردها
  • 22. عملیات ریاضی روی ماتریس‌ها
  • 23. اندیس‌گذاری و انتخاب زیرمجموعه در ماتریس‌ها
  • 24. آرایه‌ها (Arrays): ساختارهای چندبعدی
  • 25. لیست‌ها (Lists): نگهداری انواع مختلف داده
  • 26. ایجاد و اندیس‌گذاری لیست‌ها: `$`، `[[ ]]` و `[ ]`
  • 27. دیتافریم‌ها (Data Frames): ساختار اصلی برای داده‌های جدولی
  • 28. ایجاد یک دیتافریم از ابتدا
  • 29. بررسی ساختار دیتافریم: `str()`, `summary()`, `head()`, `tail()`
  • 30. انتخاب ستون‌ها و سطرها در دیتافریم
  • 31. فاکتورها (Factors): کار با داده‌های دسته‌ای (Categorical)
  • 32. تبدیل متغیرها به فاکتور و کار با سطوح (Levels)
  • 33. مقدمه‌ای بر جریان کنترل (Control Flow)
  • 34. دستورات شرطی: `if`, `else if`, `else`
  • 35. تابع برداری `ifelse()` برای عملیات شرطی
  • 36. حلقه‌های تکرار: حلقه `for`
  • 37. حلقه‌های تکرار: حلقه `while`
  • 38. حلقه‌های تکرار: حلقه `repeat` و دستورات `break` و `next`
  • 39. چرا و چگونه از حلقه‌ها اجتناب کنیم: قدرت Vectorization
  • 40. خانواده توابع `apply()`: اعمال یک تابع روی ماتریس یا آرایه
  • 41. توابع `lapply()` و `sapply()`: اعمال تابع روی لیست‌ها و وکتورها
  • 42. تابع `tapply()`: اعمال تابع بر اساس گروه‌ها
  • 43. نوشتن توابع سفارشی: چرا و چگونه؟
  • 44. آناتومی یک تابع در R: آرگومان‌ها، بدنه و مقدار بازگشتی
  • 45. تعریف مقادیر پیش‌فرض برای آرگومان‌ها
  • 46. محدوده متغیرها (Variable Scope): متغیرهای محلی و سراسری
  • 47. مدیریت خطا و هشدار در توابع: `stop()` و `warning()`
  • 48. اشکال‌زدایی (Debugging) کد: استفاده از `browser()` و `traceback()`
  • 49. توابع ناشناس (Anonymous Functions)
  • 50. خواندن داده‌ها از فایل‌های CSV با `read.csv()`
  • 51. نوشتن داده‌ها در فایل‌های CSV با `write.csv()`
  • 52. خواندن فایل‌های متنی دیگر با `read.table()`
  • 53. خواندن داده از فایل‌های اکسل (با استفاده از پکیج `readxl`)
  • 54. ذخیره و بارگذاری اشیاء R با `save()` و `load()`
  • 55. مقدمه‌ای بر فلسفه Tidyverse: داده‌های مرتب (Tidy Data)
  • 56. اپراتور پایپ (`%>%`): زنجیر کردن دستورات برای خوانایی بهتر
  • 57. انتخاب ستون‌ها با `select()` از پکیج `dplyr`
  • 58. فیلتر کردن سطرها بر اساس شرط با `filter()`
  • 59. مرتب‌سازی سطرها با `arrange()`
  • 60. ایجاد ستون‌های جدید با `mutate()`
  • 61. خلاصه‌سازی داده‌ها با `summarise()`
  • 62. عملیات گروهی با `group_by()`
  • 63. ترکیب `group_by()` و `summarise()` برای تحلیل‌های گروهی
  • 64. تغییر شکل داده‌ها از عریض به طویل با `pivot_longer()`
  • 65. تغییر شکل داده‌ها از طویل به عریض با `pivot_wider()`
  • 66. ادغام دیتافریم‌ها: مقدمه‌ای بر انواع Join
  • 67. ادغام mutating: `inner_join()` و `left_join()`
  • 68. کار با داده‌های متنی: مقدمه‌ای بر پکیج `stringr`
  • 69. کار با تاریخ و زمان: مقدمه‌ای بر پکیج `lubridate`
  • 70. مقدمه‌ای بر مصورسازی داده با `ggplot2`: گرامر گرافیک
  • 71. اولین نمودار با `ggplot2`: تابع `ggplot()` و زیبایی‌شناسی (`aes`)
  • 72. نمودار نقطه‌ای (Scatter Plot) با `geom_point()`
  • 73. نمودار خطی (Line Plot) با `geom_line()`
  • 74. نمودار میله‌ای (Bar Chart) با `geom_bar()`
  • 75. هیستوگرام و نمودار چگالی برای توزیع داده‌ها
  • 76. نمودار جعبه‌ای (Box Plot) و نمودار ویولن (Violin Plot)
  • 77. شخصی‌سازی زیبایی‌شناسی: رنگ، اندازه، شکل و شفافیت
  • 78. تقسیم نمودار به زیرنمودارها با `facet_wrap()` و `facet_grid()`
  • 79. تنظیم محورها، مقیاس‌ها و محدوده‌ها
  • 80. افزودن عنوان، زیرنویس و برچسب به نمودارها (`labs()`)
  • 81. تغییر تم و ظاهر کلی نمودار با `theme()`
  • 82. ذخیره نمودارها با کیفیت بالا با `ggsave()`
  • 83. آمار توصیفی در R: `summary()`, `mean()`, `median()`, `sd()`
  • 84. توزیع‌های احتمال در R: نرمال، دوجمله‌ای، پواسون
  • 85. شبیه‌سازی و تولید اعداد تصادفی
  • 86. آزمون فرض: مقدمه و مفاهیم کلیدی
  • 87. آزمون تی تک‌نمونه‌ای (One-Sample t-test)
  • 88. آزمون تی دو نمونه مستقل (Independent Two-Sample t-test)
  • 89. آزمون تی زوجی (Paired t-test)
  • 90. همبستگی (Correlation) و کوواریانس (Covariance)
  • 91. رگرسیون خطی ساده (Simple Linear Regression) با `lm()`
  • 92. تفسیر خروجی مدل رگرسیون: `summary(lm)`
  • 93. بررسی مفروضات و تشخیص مدل رگرسیون
  • 94. رگرسیون خطی چندگانه (Multiple Linear Regression)
  • 95. استفاده از متغیرهای دسته‌ای به عنوان پیش‌بین در رگرسیون
  • 96. تحلیل واریانس (ANOVA) یک‌طرفه
  • 97. آزمون کای-دو (Chi-squared Test) برای جداول توافقی
  • 98. مقدمه‌ای بر رگرسیون لجستیک برای متغیرهای پاسخ دوتایی
  • 99. گزارش‌نویسی تکرارپذیر با R Markdown
  • 100. ایجاد یک گزارش ساده در R Markdown: کد، متن و خروجی
اپلیکیشن آموزشی اندروید
یادگیری هوشمند، همیشه همراه شما
فلش‌کارت‌های آموزشی را در یک محیط فارسی، ساده و کاربردی مرور کنید؛ پاسخ‌های خود را بسنجید و پیشرفت یادگیری‌تان را دنبال کنید.
مطالعه آفلاین محیط فارسی و راست‌چین ویژه اندروید
فلش‌کارت آموزشی؛ روشی کاربردی برای مرور مطالب

این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلش‌کارت طراحی شده است. کارت‌ها را یکی‌یکی مرور کنید، پاسخ پرسش‌ها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.

📴
یادگیری بدون اینترنت مداوم
پس از نصب و در دسترس بودن محتوای دوره، فلش‌کارت‌ها را در زمان و مکان دلخواه مرور کنید.
🗂️
انواع محتوای آموزشی
از نکته‌های آموزشی تا پرسش‌های چهارگزینه‌ای و پرسش‌وپاسخ، مطالب را متناسب با نیاز خود مرور کنید.
📊
ارزیابی میزان یادگیری
پاسخ‌های درست و غلط خود را ثبت کنید و آمار عملکردتان را به تفکیک نوع محتوا ببینید.
🎯
مرور هدفمند فصل‌ها
فصل‌های موردنظر را انتخاب کنید و با استفاده از گزینه انتخاب همه، مرور فصل‌های مرورنشده را در اولویت قرار دهید.
انواع فلش‌کارت‌های قابل مرور

محتوای آموزشی در قالب‌های متنوع ارائه می‌شود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموخته‌ها قابل استفاده باشد.

💬
نکته‌های خودمانی
یادگیری ساده و روان
📘
نکته‌های رسمی و کتابی
مرور دقیق مفاهیم
📝
پرسش‌های چهارگزینه‌ای
سنجش آموخته‌ها
❓
پرسش‌وپاسخ
تمرین یادآوری پاسخ
🎓
درسنامه
مرور محتوای آموزشی
امکانات مرور و ارزیابی
حرکت ساده بین کارت‌ها
استفاده از دکمه‌های قبلی و بعدی و مشاهده نوار پیشرفت برای دنبال کردن روند مرور.
مشاهده پاسخ و توضیحات
برگرداندن کارت برای نمایش پاسخ و توضیحات در قالب‌هایی مانند تست و پرسش‌وپاسخ.
تنظیم اندازه فونت
انتخاب اندازه مناسب نوشته‌ها برای تجربه مطالعه راحت‌تر.
نمایش فرمول‌های ریاضی
پشتیبانی از نمایش صحیح فرمول‌ها و روابط ریاضی مبتنی بر LaTeX.
ثبت نتیجه و گزارش آماری
علامت‌گذاری هر پاسخ به‌صورت درست یا غلط و مشاهده تعداد و درصد موفقیت برای انواع محتوا.
طراحی‌شده برای مطالعه روزمره
  • رابط کاربری فارسی و راست‌چین با فونت وزیر.
  • تم روشن و تیره مطابق تنظیمات سیستم.
  • صفحه‌بندی ساده برای انتخاب دوره و شروع مرور.
  • نمایش تعداد دفعات مرور هر فصل.
  • انتخاب چند فصل برای مرور هم‌زمان.
  • امکان تمرکز بر فصل‌هایی که هنوز مرور نشده‌اند.
مناسب برای چه کسانی است؟

این اپلیکیشن برای دانش‌آموزان، دانشجویان، داوطلبان آزمون‌ها و علاقه‌مندان به یادگیری طراحی شده است؛ به‌ویژه کسانی که می‌خواهند مطالب آموزشی را در زمان‌های کوتاه مرور کنند، دانسته‌های خود را بسنجند و مطالعه منظم‌تری داشته باشند.

توجه: محتوای آموزشی و تعداد فلش‌کارت‌ها به دوره انتخاب‌شده بستگی دارد. محتوای دوره پس از نصب، درون برنامه قابل استفاده است؛ با این حال، دریافت اولیه اپلیکیشن و به‌روزرسانی‌های احتمالی ممکن است به اینترنت نیاز داشته باشند.
گالری تصاویر اپلیکیشن‌ها
محیط واقعی اپلیکیشن‌های آموزشی ما
تصاویر زیر، نمونه‌هایی از محیط واقعی اپلیکیشن‌های آموزشی ما هستند و قالب کلی، سبک طراحی و شیوه نمایش محتوای آموزشی در این برنامه‌ها را نشان می‌دهند.
نگاهی به فضای داخل برنامه
تصویر محیط اپلیکیشن آموزشی ۱
نمای اپلیکیشن ۱
تصویر محیط اپلیکیشن آموزشی ۲
نمای اپلیکیشن ۲
تصویر محیط اپلیکیشن آموزشی ۳
نمای اپلیکیشن ۳
تصویر محیط اپلیکیشن آموزشی ۴
نمای اپلیکیشن ۴
تصویر محیط اپلیکیشن آموزشی ۵
نمای اپلیکیشن ۵
تصویر محیط اپلیکیشن آموزشی ۶
نمای اپلیکیشن ۶
تصویر محیط اپلیکیشن آموزشی ۷
نمای اپلیکیشن ۷
تصویر محیط اپلیکیشن آموزشی ۸
نمای اپلیکیشن ۸
تصویر محیط اپلیکیشن آموزشی ۹
نمای اپلیکیشن ۹
تصویر محیط اپلیکیشن آموزشی ۱۰
نمای اپلیکیشن ۱۰
تصویر محیط اپلیکیشن آموزشی ۱۱
نمای اپلیکیشن ۱۱
نکته مهم درباره تصاویر
این تصاویر نمونه‌ای از قالب و سبک طراحی اپلیکیشن‌های آموزشی ما هستند. اپلیکیشن ارائه‌شده نیز از همین رویکرد طراحی و نمایش محتوای آموزشی پیروی می‌کند؛ جزئیات ظاهری و امکانات قابل مشاهده ممکن است متناسب با نوع دوره و بخش مورد استفاده متفاوت باشد.
تگ‌ها: A First Course in Statistical Programming with R Data Analysis R R for Data Science R Programming Statistical Programming آماری R آموزش R برنامه‌نویسی آماری تحلیل داده دوره R مبانی R مقدمه R یادگیری R

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.