اپلیکیشن اندرویدی فلش‌کارت آموزشی آموزش کاربردی زبان برنامه‌نویسی R در تحلیل داده‌های آماری و پژوهشی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش کاربردی زبان برنامه‌نویسی R در تحلیل داده‌های آماری و پژوهشی

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: برنامه‌نویسی برای تحلیل داده‌ها

📋 سرفصل‌های دوره

• 1. مبانی و فلسفه تحلیل داده‌ها در محیط R
• 2. نصب و راه‌اندازی محیط برنامه‌نویسی R و RStudio
• 3. ساختار رابط کاربری و مدیریت پروژه‌ها در RStudio
• 4. مفاهیم پایه و انواع داده‌ها در زبان R
• 5. متغیرها و عملگرهای ریاضی و منطقی
• 6. کار با بردارها و توابع ایجاد دنباله‌های عددی
• 7. آشنایی با ماتریس‌ها و عملیات جبری در آن‌ها
• 8. ساختار داده‌ای آرایه‌ها و کاربردهای آن
• 9. مدیریت داده‌ها در ساختار لیست‌ها
• 10. داده‌ساختار دیتافریم و ویژگی‌های آن در تحلیل داده
• 11. فراخوانی و بارگذاری فایل‌های داده (CSV و Excel)
• 12. بررسی و پاک‌سازی اولیه داده‌های خام
• 13. استفاده از پکیج‌های پایه برای مدیریت داده‌ها
• 14. فیلتر کردن و انتخاب زیرمجموعه داده‌ها
• 15. تغییر نام و اصلاح متغیرها در دیتافریم‌ها
• 16. ساخت متغیرهای جدید و محاسبات ستونی
• 17. مرتب‌سازی و گروه‌بندی داده‌ها
• 18. ادغام و الحاق مجموعه‌های داده
• 19. ساختارهای کنترلی و حلقه‌های تکرار در R
• 20. نویسه و مدیریت رشته‌های متنی
• 21. توابع و برنامه‌نویسی تابعی در R
• 22. مدیریت خطاها و اشکال‌زدایی کدها
• 23. مبانی آمار توصیفی و شاخص‌های مرکزی
• 24. محاسبه پراکندگی و انحراف معیار در R
• 25. آنالیز داده‌های مفقود و روش‌های جایگزینی
• 26. مقدمه‌ای بر مصورسازی داده‌ها با پایه گرافیکی R
• 27. رسم نمودارهای ستونی و هیستوگرام
• 28. رسم نمودارهای پراکندگی و خطی
• 29. سفارشی‌سازی نمودارها با پارامترهای گرافیکی
• 30. مقدمه‌ای بر کتابخانه ggplot2 برای ترسیم حرفه‌ای
• 31. ساختار لایه‌بندی در ggplot2
• 32. ترسیم نمودارهای توزیع و چگالی
• 33. مدیریت تم‌ها و برچسب‌گذاری در نمودارها
• 34. مفاهیم توزیع‌های احتمالی در R
• 35. آزمون‌های فرض آماری و مقادیر P-value
• 36. آزمون تی استیودنت برای مقایسه میانگین‌ها
• 37. آزمون‌های ناپارامتریک در تحلیل داده‌ها
• 38. تحلیل واریانس یک‌طرفه (ANOVA)
• 39. همبستگی و تحلیل روابط بین متغیرها
• 40. مبانی رگرسیون خطی ساده
• 41. رگرسیون خطی چندگانه و ارزیابی مدل
• 42. روش‌های نمونه‌گیری آماری در R
• 43. شبیه‌سازی‌های آماری و تولید اعداد تصادفی
• 44. مقدمه‌ای بر تحلیل داده‌های سری زمانی
• 45. کار با تاریخ و زمان در تحلیل داده‌ها
• 46. گزارش‌نویسی پویا با R Markdown
• 47. خروجی گرفتن و اشتراک‌گذاری نتایج پژوهشی
• 48. بهینه‌سازی کدهای R برای تحلیل‌های حجیم
• 49. معرفی اکوسیستم Tidyverse در تحلیل داده‌ها
• 50. کاربرد R در تحلیل داده‌های علوم اجتماعی و انسانی
• 51. اخلاق در تحلیل داده و رعایت حریم خصوصی اطلاعات