دوره از مقدمات تا پیشرفته: راهنمای عملی تحلیل داده‌ها با R بر اساس کتاب Torsten Hothorn همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

2,490,000 تومان
دوره جامع تحلیل داده‌ها با R: از مقدمات تا پیشرفته از تئوری تا عمل: دوره جامع تحلیل داده‌ها با R بر اساس کتاب مرجع Torsten Hothorn در دنیای امروز که داده‌ها به طلای جدید شهرت یافته‌اند، توانایی استخرا...
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 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
✦ 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 Handbook of Statistical Analyses Using R R for Data Analysis R Programming R tutorial Statistical Analysis with R Torsten Hothorn آمار با R آموزش R تحلیل آماری تحلیل داده با R داده کاوی داده کاوی با R دوره R کتاب آمار با R یادگیری R

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.