دوره R در یک نگاه: راهنمای جامع و کاربردی برای تحلیلگران داده همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره R در یک نگاه: راهنمای جامع و کاربردی برای تحلیلگران داده
موضوع کلی: علم داده و تحلیل آماری
موضوع میانی: برنامهنویسی R برای تحلیل داده
📋 سرفصلهای دوره
- 1. بخش اول: مبانی و شروع کار با R**
- 2. مقدمهای بر R: چرا R را انتخاب کنیم؟
- 3. نصب R و RStudio: راهنمای گام به گام
- 4. آشنایی با محیط RStudio: کنسول، اسکریپت، پلات و فایلها
- 5. اولین جلسه با R: اجرای دستورات و نوشتن اسکریپت
- 6. R به عنوان یک ماشین حساب قدرتمند
- 7. متغیرها و عملگر تخصیص (Assignment)
- 8. انواع دادههای پایه: عددی، کاراکتری و منطقی
- 9. مقدمهای بر بردارها (Vectors): سنگ بنای R
- 10. ایجاد بردارها با توابع `c()`, `seq()` و `rep()`
- 11. عملیات ریاضی بر روی بردارها (Vectorized Operations)
- 12. اندیسگذاری و استخراج زیرمجموعه از بردارها
- 13. فیلتر کردن بردارها با استفاده از عبارات منطقی
- 14. مقادیر گمشده (Missing Values): کار با NA و NULL
- 15. دریافت راهنما در R: توابع `?`، `help()` و `??`
- 16. محیط کاری (Workspace) و تاریخچه دستورات
- 17. نصب و بارگذاری پکیجها: `install.packages()` و `library()`
- 18. آشنایی با توابع و آرگومانهای آنها
- 19. استفاده از پروژههای RStudio برای مدیریت کارها
- 20. بخش دوم: ساختارهای داده در R**
- 21. ماتریسها (Matrices): ایجاد و ویژگیها
- 22. عملیات جبری بر روی ماتریسها
- 23. اندیسگذاری و انتخاب زیرمجموعه از ماتریسها
- 24. آرایهها (Arrays): ساختارهای چندبعدی
- 25. لیستها (Lists): نگهداری انواع دادههای مختلف
- 26. ایجاد و نامگذاری اعضای لیست
- 27. دسترسی به اعضای لیست با `$`, `[[ ]]` و `[ ]`
- 28. دیتافریمها (Data Frames): ساختار اصلی برای تحلیل داده
- 29. ایجاد دیتافریم به صورت دستی
- 30. بررسی ساختار دیتافریم: `str()`, `summary()`, `head()`
- 31. انتخاب سطرها و ستونها در دیتافریم
- 32. افزودن و حذف ستونها از دیتافریم
- 33. فاکتورها (Factors): مدیریت دادههای طبقهبندی شده
- 34. کار با سطوح (Levels) در فاکتورها
- 35. تبدیل انواع ساختارهای داده به یکدیگر
- 36. بخش سوم: ورود و خروج دادهها**
- 37. مدیریت مسیر کاری (Working Directory)
- 38. خواندن فایلهای CSV با `read.csv`
- 39. نوشتن دیتافریم در فایلهای CSV با `write.csv`
- 40. خواندن فایلهای متنی با جداکننده (Delimited Files)
- 41. خواندن فایلهای اکسل با پکیج `readxl`
- 42. ذخیره و بارگذاری اشیاء R با `save()` و `load()`
- 43. مقدمهای بر اتصال به پایگاههای داده (Databases)
- 44. خواندن داده از وبسایتها
- 45. کار با دادههای با فرمت JSON
- 46. وارد کردن داده از نرمافزارهای آماری دیگر (SPSS, Stata)
- 47. بخش چهارم: مبانی برنامهنویسی در R**
- 48. دستورات شرطی: `if`, `else` و `else if`
- 49. تابع برداری `ifelse()` برای شروط ساده
- 50. حلقههای تکرار: کار با `for`
- 51. حلقههای تکرار: کار با `while`
- 52. اجتناب از حلقهها: خانواده توابع `apply`
- 53. نوشتن اولین تابع سفارشی (Custom Function)
- 54. آرگومانها و مقادیر بازگشتی در توابع
- 55. تعریف آرگومانهای پیشفرض برای توابع
- 56. مفهوم دامنه متغیرها (Variable Scope)
- 57. مدیریت خطا با `tryCatch`
- 58. ابزارهای اشکالزدایی (Debugging) در R
- 59. بردارسازی (Vectorization): فلسفه اصلی R
- 60. بخش پنجم: پاکسازی و آمادهسازی داده با Tidyverse**
- 61. مقدمهای بر Tidyverse و مفهوم دادههای مرتب (Tidy Data)
- 62. اپراتور پایپ (%>%) و قدرت زنجیرهنویسی
- 63. انتخاب ستونها با `dplyr::select()`
- 64. فیلتر کردن سطرها با `dplyr::filter()`
- 65. مرتبسازی دادهها با `dplyr::arrange()`
- 66. ایجاد ستونهای جدید با `dplyr::mutate()`
- 67. خلاصهسازی دادهها با `dplyr::summarise()`
- 68. گروهبندی دادهها با `dplyr::group_by()`
- 69. ترکیب قدرتمند `group_by()` و `summarise()`
- 70. تغییر شکل داده: از عریض به طویل با `tidyr::pivot_longer()`
- 71. تغییر شکل داده: از طویل به عریض با `tidyr::pivot_wider()`
- 72. ادغام دیتافریمها: `inner_join` و `left_join`
- 73. ادغام دیتافریمها: `right_join` و `full_join`
- 74. کار با رشتههای متنی با پکیج `stringr`
- 75. کار با فاکتورها با پکیج `forcats`
- 76. کار با تاریخ و زمان با پکیج `lubridate`
- 77. بخش ششم: مصورسازی دادهها**
- 78. مقدمهای بر رسم نمودار در R: گرافیک پایه (Base R)
- 79. رسم هیستوگرام و نمودار جعبهای (Boxplot) در گرافیک پایه
- 80. رسم نمودار پراکندگی (Scatter Plot) در گرافیک پایه
- 81. آشنایی با `ggplot2` و گرامر گرافیکها
- 82. ساخت نمودار لایه به لایه: `ggplot()`, `aes()` و `geom`
- 83. انواع `geom`های پرکاربرد: `geom_point`, `geom_line`, `geom_bar`
- 84. سفارشیسازی ظاهر نمودار: رنگ، اندازه و شکل
- 85. رسم نمودارهای چندگانه با `facet_wrap()` و `facet_grid()`
- 86. تنظیمات محورها، عناوین و راهنمای نمودار (Legend)
- 87. اصلاح و سفارشیسازی تم (Theme) نمودار
- 88. ذخیره نمودارها با کیفیت بالا با `ggsave()`
- 89. نمودارهای تعاملی (Interactive) با `plotly`
- 90. بخش هفتم: تحلیلهای آماری**
- 91. آمار توصیفی: میانگین، میانه، انحراف معیار
- 92. محاسبه همبستگی (Correlation) و کوواریانس
- 93. توزیعهای احتمال در R
- 94. آزمونهای فرض آماری: مقدمهای بر آزمون t
- 95. آزمون t برای نمونههای مستقل و وابسته
- 96. تحلیل واریانس یکطرفه (One-Way ANOVA)
- 97. مقدمهای بر مدلسازی خطی با تابع `lm()`
- 98. ایجاد و برازش مدل رگرسیون خطی ساده
- 99. تفسیر خروجی مدل: ضرایب، R-squared و مقادیر p
- 100. مدل رگرسیون خطی چندگانه
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.