دوره تحلیل داده و بصریسازی کاربردی با R: یک رویکرد مثال-محور همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره تحلیل داده و بصریسازی کاربردی با R: یک رویکرد مثال-محور
موضوع کلی: علم داده (Data Science)
موضوع میانی: تحلیل و بصریسازی دادهها
📋 سرفصلهای دوره
- 1. مقدمهای بر علم داده و R
- 2. نصب و پیکربندی R و RStudio
- 3. مقدمهای بر زبان R: ساختار و انواع داده
- 4. متغیرها و عملگرها در R
- 5. ساختارهای داده در R: بردارها
- 6. ساختارهای داده در R: ماتریسها
- 7. ساختارهای داده در R: آرایهها
- 8. ساختارهای داده در R: فاکتورها
- 9. ساختارهای داده در R: لیستها
- 10. ساختارهای داده در R: دیتافریمها
- 11. وارد کردن دادهها از فایلهای CSV
- 12. وارد کردن دادهها از فایلهای Excel
- 13. وارد کردن دادهها از پایگاههای داده
- 14. پاکسازی دادهها: شناسایی دادههای گمشده
- 15. پاکسازی دادهها: مدیریت دادههای گمشده
- 16. پاکسازی دادهها: شناسایی و مدیریت دادههای پرت (Outliers)
- 17. تبدیل و بازسازی دادهها
- 18. تغییر شکل (Reshaping) دادهها: طولانی به عریض
- 19. تغییر شکل (Reshaping) دادهها: عریض به طولانی
- 20. عملیات پایهای روی دیتافریمها
- 21. فیلتر کردن ردیفها در دیتافریمها
- 22. انتخاب ستونها در دیتافریمها
- 23. مرتبسازی دیتافریمها
- 24. گروهبندی و خلاصهسازی دادهها (GroupBy and Summarize)
- 25. استفاده از dplyr برای دستکاری دادهها
- 26. پایپلایننویسی (Piping) با dplyr
- 27. ادغام (Merging) دیتافریمها: ادغام داخلی (Inner Join)
- 28. ادغام (Merging) دیتافریمها: ادغام چپ (Left Join)
- 29. ادغام (Merging) دیتافریمها: ادغام راست (Right Join)
- 30. ادغام (Merging) دیتافریمها: ادغام کامل (Full Join)
- 31. ادغام (Merging) دیتافریمها: ادغام مقایسه (Semi/Anti Join)
- 32. آمارهای توصیفی: میانگین، میانه، مد
- 33. آمارهای توصیفی: واریانس، انحراف معیار
- 34. آمارهای توصیفی: چارکها و دامنه بین چارکی (IQR)
- 35. آمارهای توصیفی: نمودار جعبهای (Boxplot) برای خلاصه توزیع
- 36. آمارهای توصیفی: هیستوگرام برای توزیع دادهها
- 37. آمارهای توصیفی: نمودار فراوانی (Frequency Plot)
- 38. آمارهای توصیفی: جدول فراوانی (Frequency Table)
- 39. مقدمهای بر بصریسازی دادهها با R
- 40. نمودارهای پایهای R: scatterplot
- 41. نمودارهای پایهای R: line plot
- 42. نمودارهای پایهای R: bar plot
- 43. نمودارهای پایهای R: pie chart
- 44. تنظیمات نمودارهای پایهای R: عنوان، برچسب محورها
- 45. تنظیمات نمودارهای پایهای R: رنگ، اندازه، نوع نقطه
- 46. تنظیمات نمودارهای پایهای R: افزودن خطوط راهنما
- 47. بصریسازی پیشرفته با ggplot2: مقدمه
- 48. ساختار ggplot2: لایهها (Layers)
- 49. ساختار ggplot2: نگاشت زیباییشناختی (Aesthetics Mapping)
- 50. ساختار ggplot2: هندسهها (Geometries)
- 51. ساختار ggplot2: فاکتورهای زیباییشناختی (Aesthetic Mappings)
- 52. ساختار ggplot2: مقیاسها (Scales)
- 53. ساختار ggplot2: فیسِتینگ (Faceting) برای نمودارهای چندگانه
- 54. نمودار scatterplot با ggplot2
- 55. نمودار scatterplot رنگی و اندازهگذاری شده با ggplot2
- 56. نمودار خطی با ggplot2
- 57. نمودار میلهای با ggplot2
- 58. نمودار جعبهای (Boxplot) با ggplot2
- 59. نمودار ویولن (Violin Plot) با ggplot2
- 60. نمودار هیستوگرام با ggplot2
- 61. نمودار نمودار چگالی (Density Plot) با ggplot2
- 62. نمودار نمودار تجمعی (Bar Plot) با ggplot2
- 63. نمودار scatterplot ماتریس (Scatterplot Matrix)
- 64. نمودار heatmap
- 65. نمودار bubble chart
- 66. نمودار pie chart با ggplot2 (به جای نمودار دایرهای)
- 67. نمودار donut chart
- 68. نمودارهای زمانبندی (Time Series Plots)
- 69. نمودارهای جغرافیا (Geographic Plots) با استفاده از بستههای مرتبط
- 70. نکات پیشرفته در ggplot2: مضامین (Themes)
- 71. نکات پیشرفته در ggplot2: استفاده از annotation
- 72. نکات پیشرفته در ggplot2: ایجاد نمودارهای تعاملی (Interactive Plots)
- 73. نکات پیشرفته در ggplot2: سفارشیسازی عناوین و برچسبها
- 74. نکات پیشرفته در ggplot2: کنترل محدودههای محورها
- 75. نکات پیشرفته در ggplot2: استفاده از نمودارهای ترکیبی
- 76. مقدمهای بر آمار استنباطی
- 77. آزمون فرض آماری: t-test
- 78. آزمون فرض آماری: ANOVA
- 79. آزمون فرض آماری: Chi-squared test
- 80. رگرسیون خطی ساده
- 81. رگرسیون خطی چندگانه
- 82. ارزیابی مدل رگرسیون: R-squared
- 83. ارزیابی مدل رگرسیون: p-values
- 84. ارزیابی مدل رگرسیون: تحلیل باقیماندهها (Residual Analysis)
- 85. پیشبینی با مدل رگرسیون
- 86. مقدمهای بر یادگیری ماشین
- 87. تقسیم دادهها به مجموعه آموزش و آزمون
- 88. تکنیکهای انتخاب ویژگی (Feature Selection)
- 89. مدلهای دستهبندی: رگرسیون لجستیک
- 90. مدلهای دستهبندی: ماشین بردار پشتیبان (SVM)
- 91. مدلهای دستهبندی: درخت تصمیم (Decision Tree)
- 92. مدلهای دستهبندی: جنگل تصادفی (Random Forest)
- 93. ارزیابی مدلهای دستهبندی: ماتریس درهمریختگی (Confusion Matrix)
- 94. ارزیابی مدلهای دستهبندی: دقت (Accuracy)
- 95. ارزیابی مدلهای دستهبندی: صحت (Precision)، بازیابی (Recall)، F1-Score
- 96. ارزیابی مدلهای دستهبندی: منحنی ROC و AUC
- 97. مدلهای رگرسیون: پیشبینی مقادیر پیوسته
- 98. مدلهای رگرسیون: درخت تصمیم برای رگرسیون
- 99. مدلهای رگرسیون: جنگل تصادفی برای رگرسیون
- 100. خوشهبندی (Clustering): الگوریتم K-Means
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.