اپلیکیشن اندرویدی فلش‌کارت آموزشی آموزش جامع زبان برنامه‌نویسی R برای تحلیل داده و آمار

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع زبان برنامه‌نویسی R برای تحلیل داده و آمار

موضوع کلی: علوم کامپیوتر و تحلیل داده

موضوع میانی: برنامه‌نویسی و تحلیل آماری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زبان برنامه‌نویسی R
• 2. نصب و راه‌اندازی R و RStudio
• 3. مفاهیم پایه در R: متغیرها و انواع داده
• 4. بردارهای عددی و منطقی
• 5. بردارها: رشته‌ها و فاکتورها
• 6. ساختارهای داده: لیست‌ها
• 7. ساختارهای داده: ماتریس‌ها
• 8. ساختارهای داده: آرایه‌ها
• 9. ساختارهای داده: دیتافریم‌ها
• 10. کار با دیتافریم‌ها: انتخاب و فیلتر کردن
• 11. عملیات پایه بر روی داده‌ها
• 12. مرتب‌سازی دیتافریم‌ها
• 13. ادغام و ترکیب دیتافریم‌ها
• 14. رسم نمودارهای پایه با R
• 15. نمودار پراکندگی (Scatter Plot)
• 16. نمودار میله‌ای (Bar Plot)
• 17. نمودار خطی (Line Plot)
• 18. هیستوگرام (Histogram)
• 19. نمودار جعبه‌ای (Box Plot)
• 20. مقدمه‌ای بر آمار توصیفی
• 21. محاسبه میانگین، میانه و مد
• 22. محاسبه واریانس و انحراف معیار
• 23. محاسبه چارک‌ها و صدک‌ها
• 24. آمار توصیفی برای دسته‌های مختلف
• 25. مقدمه‌ای بر توزیع‌های آماری
• 26. توزیع نرمال
• 27. توزیع t استیودنت
• 28. توزیع کای‌دو
• 29. توزیع F
• 30. آزمون‌های فرض آماری
• 31. آزمون t تک‌نمونه‌ای
• 32. آزمون t دو‌نمونه‌ای مستقل
• 33. آزمون t زوجی
• 34. آزمون کای‌دو برای استقلال
• 35. تحلیل واریانس (ANOVA) یک‌طرفه
• 36. رگرسیون خطی ساده
• 37. تفسیر ضرایب رگرسیون
• 38. تشخیص ناهنجاری‌ها در رگرسیون
• 39. رگرسیون خطی چندگانه
• 40. مقدمه‌ای بر یادگیری ماشین
• 41. دسته‌بندی (Classification)
• 42. رگرسیون (Regression)
• 43. خوشه‌بندی (Clustering)
• 44. مقدمه‌ای بر مدل‌های آماری تعمیم‌یافته (GAM)
• 45. مدل‌های خطی تعمیم‌یافته (GLM)
• 46. رگرسیون لجستیک
• 47. رگرسیون پواسون
• 48. مقدمه‌ای بر سری‌های زمانی
• 49. تجزیه و تحلیل سری‌های زمانی
• 50. مدل‌های ARIMA
• 51. پیش‌بینی با استفاده از سری‌های زمانی
• 52. مقدمه‌ای بر مصورسازی پیشرفته داده‌ها
• 53. بسته‌های گرافیکی قدرتمند (ggplot2)
• 54. ایجاد نمودارهای تعاملی
• 55. تجزیه و تحلیل داده‌های بزرگ
• 56. پردازش داده‌های حجیم با R
• 57. کار با پایگاه داده‌ها در R
• 58. اتصال به پایگاه داده‌های SQL
• 59. استفاده از بسته‌های R برای کار با داده‌های حجیم
• 60. مقدمه‌ای بر ابزارهای هوش تجاری (BI)
• 61. کاربرد R در تحلیل داده‌های کسب‌وکار
• 62. گزارش‌دهی و داشبوردهای آماری
• 63. مقدمه‌ای بر تحلیل احساسات متن
• 64. پردازش زبان طبیعی (NLP) با R
• 65. استخراج اطلاعات از متن
• 66. تحلیل شبکه‌های اجتماعی
• 67. کاربرد R در تحلیل داده‌های شبکه‌های اجتماعی
• 68. مصورسازی گراف‌ها و شبکه‌ها
• 69. مقدمه‌ای بر بهینه‌سازی
• 70. الگوریتم‌های بهینه‌سازی در R
• 71. کاربرد R در مسائل بهینه‌سازی
• 72. مقدمه‌ای بر شبیه‌سازی مونت کارلو
• 73. پیاده‌سازی شبیه‌سازی با R
• 74. کاربرد شبیه‌سازی در تحلیل ریسک
• 75. مقدمه‌ای بر تحلیل بقا
• 76. مدل‌های کاپلان-مایر
• 77. مدل‌های رگرسیون کاکس
• 78. کاربرد تحلیل بقا در علوم زیستی
• 79. مقدمه‌ای بر یادگیری عمیق
• 80. شبکه‌های عصبی در R
• 81. کاربرد یادگیری عمیق در تحلیل داده
• 82. مقدمه‌ای بر مباحث اخلاقی در علم داده
• 83. حفظ حریم خصوصی داده‌ها
• 84. سوگیری در الگوریتم‌ها
• 85. مسئولیت‌پذیری در علم داده
• 86. ملاحظات قانونی در استفاده از داده‌ها
• 87. چارچوب‌های قانونی تحلیل داده در ایران
• 88. مقررات حفاظت از داده‌ها
• 89. کاربرد R در تحلیل داده‌های اقتصادی
• 90. تحلیل آماری روند بازار
• 91. پیش‌بینی شاخص‌های اقتصادی
• 92. کاربرد R در تحلیل داده‌های مالی
• 93. مدیریت ریسک پرتفوی
• 94. ارزیابی اوراق بهادار
• 95. کاربرد R در تحلیل داده‌های سلامت
• 96. تحلیل اپیدمیولوژیک
• 97. ارزیابی اثربخشی درمان‌ها
• 98. کاربرد R در تحلیل داده‌های کشاورزی
• 99. پیش‌بینی عملکرد محصولات
• 100. مدیریت بهینه منابع