دوره مقدمه‌ای جامع بر R: از نصب تا اولین تحلیل آماری همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای جامع بر R: از نصب تا اولین تحلیل آماری

موضوع کلی: برنامه‌نویسی و تحلیل داده

موضوع میانی: مبانی زبان برنامه‌نویسی R برای تحلیل آماری

📋 سرفصل‌های دوره

• 1. نصب و راه‌اندازی R و RStudio
• 2. آشنایی با رابط کاربری RStudio
• 3. مروری بر مفاهیم اولیه برنامه‌نویسی
• 4. آشنایی با انواع داده‌ها در R
• 5. کار با عملگرها در R
• 6. متغیرها و انتساب مقادیر
• 7. ساختارهای داده‌ای: بردارها
• 8. ساختارهای داده‌ای: ماتریس‌ها
• 9. ساختارهای داده‌ای: آرایه‌ها
• 10. ساختارهای داده‌ای: فاکتورها
• 11. ساختارهای داده‌ای: لیست‌ها
• 12. ساختارهای داده‌ای: فریم‌های داده
• 13. ورود و خروج داده‌ها از فایل‌های متنی
• 14. ورود و خروج داده‌ها از فایل‌های CSV
• 15. ورود و خروج داده‌ها از اکسل
• 16. وارد کردن داده‌ها از پایگاه‌های داده
• 17. استفاده از کتابخانه‌ها در R
• 18. نصب و مدیریت بسته‌ها (packages)
• 19. ساختارهای کنترلی: دستور if-else
• 20. ساختارهای کنترلی: حلقه‌ها (for, while)
• 21. توابع: تعریف و استفاده
• 22. ارسال آرگومان‌ها به توابع
• 23. مقادیر بازگشتی توابع
• 24. استفاده از توابع از پیش تعریف شده
• 25. دستورات apply, lapply, sapply, tapply
• 26. خطایابی و رفع اشکال در R
• 27. آشنایی با بسته‌ی base R
• 28. آشنایی با بسته‌ی dplyr
• 29. عملیات فیلتر کردن داده‌ها با dplyr
• 30. عملیات مرتب‌سازی داده‌ها با dplyr
• 31. عملیات انتخاب ستون‌ها با dplyr
• 32. عملیات ایجاد متغیرهای جدید با dplyr
• 33. عملیات گروه‌بندی داده‌ها با dplyr
• 34. عملگر pipe (%>%) در dplyr
• 35. آشنایی با بسته‌ی ggplot2
• 36. ساخت نمودارهای پراکندگی (Scatter plots)
• 37. ساخت هیستوگرام
• 38. ساخت نمودارهای میله‌ای (Bar plots)
• 39. ساخت نمودارهای جعبه‌ای (Box plots)
• 40. ساخت نمودارهای چندگانه
• 41. تنظیمات پایه در ggplot2
• 42. افزودن برچسب‌ها و عنوان‌ها به نمودارها
• 43. تغییر رنگ، شکل و اندازه در نمودارها
• 44. سفارشی‌سازی محورها در نمودارها
• 45. ذخیره نمودارها
• 46. مفاهیم آماری توصیفی: میانگین، میانه، مد
• 47. مفاهیم آماری توصیفی: انحراف معیار، واریانس
• 48. محاسبه‌ی شاخص‌های توصیفی با R
• 49. آشنایی با توزیع‌های آماری
• 50. توزیع نرمال
• 51. توزیع دوجمله‌ای
• 52. آزمون فرض آماری: مقدمه
• 53. آزمون t-test
• 54. آزمون chi-square
• 55. آنالیز واریانس (ANOVA)
• 56. همبستگی (Correlation)
• 57. رگرسیون خطی ساده
• 58. رگرسیون خطی چندگانه
• 59. مدل‌های خطی تعمیم‌یافته (GLM)
• 60. آشنایی با آمار بیزی
• 61. استفاده از کتابخانه‌های آماری
• 62. تولید اعداد تصادفی
• 63. شبیه‌سازی مونت‌کارلو
• 64. مدیریت و دستکاری داده‌های متنی
• 65. کار با رشته‌ها و عبارات با قاعده (Regular Expressions)
• 66. پاکسازی داده‌ها (Data Cleaning)
• 67. تبدیل انواع داده‌ها
• 68. ادغام و پیوستن (Merge and Join) داده‌ها
• 69. اصول کار با تاریخ و زمان
• 70. پردازش داده‌های زمانی
• 71. کار با داده‌های گمشده (Missing Data)
• 72. شناسایی داده‌های پرت (Outliers)
• 73. اعتبارسنجی داده‌ها
• 74. ایجاد گزارش‌های پویا با R Markdown
• 75. استفاده از R Notebook
• 76. کار با Git و GitHub
• 77. بهینه‌سازی کد R
• 78. مستندسازی کد
• 79. آشنایی با برنامه‌نویسی شیءگرا در R
• 80. ساخت کلاس‌ها و اشیاء
• 81. ارث‌بری در برنامه‌نویسی شیءگرا
• 82. انواع داده‌های پیشرفته: سری‌های زمانی
• 83. پردازش داده‌های جغرافیایی
• 84. معرفی Parallel Processing
• 85. ایجاد رابط کاربری گرافیکی با Shiny
• 86. استقرار برنامه‌های R
• 87. معرفی R در علوم داده
• 88. استفاده از R برای یادگیری ماشین
• 89. پیش‌پردازش داده‌ها برای یادگیری ماشین
• 90. انتخاب مدل در یادگیری ماشین
• 91. ارزیابی مدل‌های یادگیری ماشین
• 92. آشنایی با الگوریتم‌های طبقه‌بندی
• 93. آشنایی با الگوریتم‌های خوشه‌بندی
• 94. آشنایی با درخت‌های تصمیم
• 95. آشنایی با جنگل‌های تصادفی
• 96. آشنایی با شبکه‌های عصبی
• 97. استفاده از TensorFlow و Keras در R
• 98. معرفی Rcpp برای ادغام C++ با R
• 99. افزایش سرعت محاسبات با Rcpp
• 100. توسعه بسته‌های R