دوره از مقدمات تا پیشرفته: راهنمای عملی تحلیل دادهها با R بر اساس کتاب Torsten Hothorn همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره از مقدمات تا پیشرفته: راهنمای عملی تحلیل دادهها با R بر اساس کتاب Torsten Hothorn
موضوع کلی: آمار و دادهکاوی
موضوع میانی: تحلیلهای آماری با زبان R
📋 سرفصلهای دوره
- 1. معرفی زبان برنامهنویسی R و اکوسیستم آن
- 2. نصب R و محیط توسعه RStudio
- 3. مروری بر رابط کاربری RStudio و تنظیمات اولیه
- 4. مبانی دستورات و سینتکس در R
- 5. انواع دادهها و ساختارهای دادهای اولیه (Vector, Factor)
- 6. کار با ماتریسها و آرایهها در R
- 7. کار با لیستها: ساختار دادهای انعطافپذیر
- 8. دیتافریمها (Data Frames): ستون فقرات تحلیل داده در R
- 9. وارد کردن دادهها به R (از فایلهای CSV, Excel, TXT و ...)
- 10. ذخیره و خروجی گرفتن از دادهها و نتایج در R
- 11. پاکسازی دادهها: مدیریت مقادیر گمشده (Missing Values)
- 12. پاکسازی دادهها: تشخیص و حذف دادههای پرت (Outliers)
- 13. تبدیل و دستکاری دادهها با بسته `dplyr` (بخش اول: Select, Filter, Arrange)
- 14. تبدیل و دستکاری دادهها با بسته `dplyr` (بخش دوم: Mutate, Summarise, Group_by)
- 15. سازماندهی دادهها با بسته `tidyr` (Gather, Spread, Separate, Unite)
- 16. مقدمهای بر اصول اولیه بصریسازی دادهها
- 17. رسم نمودارهای پایه در R (Histograms, Boxplots, Scatterplots)
- 18. معرفی بسته `ggplot2` برای بصریسازی پیشرفته
- 19. ساخت نمودارهای میلهای و دایرهای با `ggplot2`
- 20. سفارشیسازی و بهبود ظاهر نمودارها در `ggplot2`
- 21. آمارهای توصیفی: معیارهای گرایش مرکزی (میانگین، میانه، مد)
- 22. آمارهای توصیفی: معیارهای پراکندگی (واریانس، انحراف معیار، دامنه)
- 23. توزیعهای فراوانی و جدولبندی دادهها
- 24. توصیف دادههای طبقهای و کمی به صورت ترکیبی
- 25. کاوش دادهها (Exploratory Data Analysis - EDA) و شناسایی الگوها
- 26. مبانی نظری احتمال و مفاهیم کلیدی
- 27. متغیرهای تصادفی و انواع توزیعهای احتمال
- 28. توزیع نرمال و نقش آن در آمار استنباطی
- 29. مفهوم نمونهگیری و توزیعهای نمونهگیری
- 30. قضیه حد مرکزی (Central Limit Theorem) و اهمیت آن
- 31. مبانی آزمون فرض آماری: مفاهیم H0, H1, P-value
- 32. فاصلههای اطمینان (Confidence Intervals) و تفسیر آنها
- 33. آزمون t تک نمونهای (One-Sample t-test) در R
- 34. آزمون t دو نمونهای مستقل (Independent Two-Sample t-test) در R
- 35. آزمون t زوجی (Paired t-test) در R
- 36. بررسی مفروضات آزمونهای t (نرمال بودن، برابری واریانسها)
- 37. مقدمهای بر تحلیل واریانس (ANOVA) تکطرفه
- 38. انجام آزمون ANOVA تکطرفه در R و تفسیر نتایج
- 39. آزمونهای Post-Hoc برای ANOVA (مانند Tukey HSD)
- 40. تحلیل واریانس دوطرفه (Two-Way ANOVA) و اثرات متقابل
- 41. انجام آزمون Two-Way ANOVA در R
- 42. آزمونهای تکراری اندازهگیری (Repeated Measures ANOVA) در R (مقدماتی)
- 43. تحلیل کوواریانس (ANCOVA) در R (مقدماتی)
- 44. بررسی مفروضات ANOVA (نرمال بودن، همگنی واریانسها)
- 45. اندازهگیری اندازه اثر (Effect Size) برای آزمونهای t و ANOVA
- 46. مفهوم همبستگی و ضریب همبستگی پیرسون
- 47. محاسبه و تفسیر همبستگی پیرسون در R
- 48. ضریب همبستگی اسپیرمن و کندال برای دادههای رتبهای
- 49. مقدمهای بر رگرسیون خطی ساده
- 50. مدلسازی رگرسیون خطی ساده در R و تفسیر خروجی
- 51. مفروضات رگرسیون خطی و بررسی آنها (خطی بودن، استقلال، نرمال بودن، همگنی واریانس)
- 52. تشخیص مشکلات در مدل رگرسیون: نقاط پرت (Outliers) و نقاط اهرمی (Leverage Points)
- 53. رگرسیون خطی چندگانه: ساخت مدل اولیه
- 54. انتخاب متغیرها در رگرسیون چندگانه (Forward, Backward, Stepwise Selection)
- 55. استفاده از متغیرهای دستهای در مدلهای رگرسیون
- 56. اثرات متقابل (Interaction Effects) در رگرسیون چندگانه
- 57. رگرسیون چندجملهای (Polynomial Regression) در R
- 58. رگرسیون وزنی حداقل مربعات (Weighted Least Squares) (مقدماتی)
- 59. مقدمهای بر آزمونهای ناپارامتریک
- 60. آزمون خی دو (Chi-squared test) برای استقلال (Independence)
- 61. آزمون خی دو برای برازش نیکویی (Goodness-of-Fit)
- 62. آزمون دقیق فیشر (Fisher's Exact Test)
- 63. آزمون من ویتنی U (Mann-Whitney U test)
- 64. آزمون رتبهای علامتدار ویلکاکسون (Wilcoxon Signed-Rank Test)
- 65. آزمون کروسکال والیس (Kruskal-Wallis Test)
- 66. آزمون فریدمن (Friedman Test)
- 67. مقایسه آزمونهای پارامتریک و ناپارامتریک
- 68. مفهوم توان آماری (Statistical Power) و تعیین اندازه نمونه
- 69. مقدمهای بر مدلهای خطی تعمیمیافته (Generalized Linear Models - GLMs)
- 70. ساختار GLM: توزیعها و توابع پیوند (Link Functions)
- 71. رگرسیون لجستیک دوتایی (Binary Logistic Regression) در R
- 72. تفسیر ضرایب رگرسیون لجستیک: نسبت شانس (Odds Ratios)
- 73. ارزیابی برازش مدل رگرسیون لجستیک (معیارهای AIC, BIC, Hosmer-Lemeshow)
- 74. رگرسیون پواسون (Poisson Regression) برای دادههای شمارشی
- 75. مدلسازی دادههای شمارشی با پراکندگی بیش از حد (Overdispersion): Quasi-Poisson و Negative Binomial
- 76. رگرسیون لجستیک ترتیبی (Ordinal Logistic Regression) (مقدماتی)
- 77. رگرسیون لجستیک چندجملهای (Multinomial Logistic Regression) (مقدماتی)
- 78. مقدمهای بر تحلیل سریهای زمانی
- 79. مؤلفههای سری زمانی: روند (Trend)، فصلی (Seasonality)، نویز (Noise)
- 80. تجزیه و تحلیل سریهای زمانی (Decomposition)
- 81. هموارسازی سریهای زمانی (Smoothing Techniques)
- 82. مدلهای خودرگرسیون میانگین متحرک (ARIMA) (مقدماتی)
- 83. پیشبینی با مدلهای ARIMA در R
- 84. مبانی تحلیل بقا (Survival Analysis) و دادههای سانسور شده
- 85. برآوردگر کاپلان-مایر (Kaplan-Meier Estimator) و رسم منحنیهای بقا
- 86. آزمون لاگ-رنک (Log-Rank Test) برای مقایسه منحنیهای بقا
- 87. مدل رگرسیون کاکس (Cox Proportional Hazards Model) در R
- 88. بررسی مفروضات مدل کاکس (Proportional Hazards Assumption)
- 89. تحلیل چندمتغیره: مقدمهای بر کاهش ابعاد
- 90. تحلیل مؤلفههای اصلی (Principal Component Analysis - PCA) در R
- 91. تفسیر نتایج PCA و رسم نمودارهای مربوطه
- 92. تحلیل عاملی (Factor Analysis) (مقدماتی)
- 93. تحلیل خوشهای (Cluster Analysis): خوشهبندی K-Means
- 94. تحلیل خوشهای: خوشهبندی سلسلهمراتبی (Hierarchical Clustering)
- 95. اعتبار سنجی و ارزیابی خوشهها (Validation and Evaluation of Clusters)
- 96. مقدمهای بر یادگیری ماشین در R برای آمارگران
- 97. مفاهیم پیشبینی و طبقهبندی در یادگیری ماشین
- 98. اعتبارسنجی متقابل (Cross-Validation) و روشهای آن
- 99. درختهای تصمیم (Decision Trees) برای طبقهبندی و رگرسیون
- 100. جنگلهای تصادفی (Random Forests) برای بهبود عملکرد مدل
محتویات بسته آموزشی
🌐 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.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
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.
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.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.