دوره برنامه‌نویسی آماری با R: نقشه راه شما برای تحلیل داده همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

2,490,000 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: 622,500 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
✦ مجموعه ویژه یادگیری

یک دوره، چند مسیر برای یادگیری بهتر

کتاب‌های آموزشی، محتوای صوتی و تصویری و دسترسی به سامانه آنلاین فلش‌کارت؛ مجموعه‌ای برای مطالعه، تمرین و تثبیت آموخته‌ها.

📚 محتوای متنی 🎧 صوت و ویدیو 🧠 مرور هوشمند

محتویات بسته آموزشی

مجموعه‌ای از منابع برای شیوه‌های مختلف یادگیری
📚
کتاب نکته‌های خودمانی
نسخه PDF با زبان ساده، روان و کاربردی برای یادگیری راحت‌تر مفاهیم.
PDF · بیان ساده
📘
کتاب نکته‌های رسمی فارسی
نسخه PDF با نگارش استاندارد، بیان دقیق و رویکرد علمی.
PDF · نگارش رسمی
❓
کتاب پرسش و پاسخ تشریحی
نسخه PDF برای مرور مفاهیم و آشنایی با پاسخ‌های توضیحی.
PDF · یادگیری مفهومی
✅
کتاب پرسش‌های چهارگزینه‌ای
نسخه PDF برای تمرین، سنجش آموخته‌ها و آمادگی بیشتر.
PDF · تمرین و سنجش
🎧
پادکست‌های صوتی فارسی
محتوای صوتی برای یادگیری و مرور مطالب در زمان‌های مختلف.
محتوای صوتی
🎬
ویدیوهای آموزشی فارسی
محتوای ویدیویی برای تکمیل تجربه یادگیری و درک بهتر مطالب.
محتوای ویدیویی
💻
اکانت سامانه آنلاین فلش‌کارت
دسترسی به نرم‌افزار آنلاین فلش‌کارت ویژه این دوره برای تمرین و مرور مطالب.
دسترسی آنلاین
🎓
گواهی پایان دوره
امکان دریافت گواهی پس از تکمیل فعالیت‌های لازم در سامانه و طی مراحل تأیید.
پس از تکمیل شرایط
💾
بسته فیزیکی روی فلش مموری
این محصول به‌صورت فلش مموری حاوی فایل‌های آموزشی، محتوای صوتی و ویدیویی ارائه می‌شود.
تحویل فیزیکی
نکته: استفاده از سامانه آنلاین فلش‌کارت به اتصال اینترنت نیاز دارد؛ محتوای قابل استفاده آفلاین به نوع فایل‌های موجود در بسته بستگی دارد.
SMART LEARNING

🌐 سامانه آنلاین فلش‌کارت؛ مرور هدفمند و هوشمند

اکانت ارائه‌شده، دسترسی به نسخه تحت وب سامانه فلش‌کارت ویژه این دوره را فراهم می‌کند. این سامانه از الگوریتم زمان‌بندی مرور SM-2 استفاده می‌کند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم می‌کند.

به این ترتیب، کارت‌های دشوارتر می‌توانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسب‌تری داشته باشید.

🧠
مرور زمان‌بندی‌شده
📈
پیگیری پیشرفت
🔄
تمرین و تکرار هدفمند
📚 حجم آموزشی دوره
هزاران
فلش‌کارت آموزشی، به‌صورت تقریبی
۶۰ ساعت
مدت‌زمان معادل برآوردشده آموزشی

مدت‌زمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج می‌شود.

🏅

گواهی دوزبانه با استعلام آنلاین

گواهی فارسی و انگلیسی · لینک اختصاصی · QR Code

پس از تکمیل فعالیت‌های لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر می‌شود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.

⚖️ توضیح مهم درباره گواهی پایان دوره

این گواهی صرفاً به‌عنوان گواهی اتمام دوره آموزشی صادر می‌شود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.

تجربه‌ای کامل‌تر برای مطالعه، تمرین و یادگیری
express24.ir
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.