دوره تحلیل داده‌های اقلیمی با زبان برنامه‌نویسی R همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل داده‌های اقلیمی با زبان برنامه‌نویسی R

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: تحلیل و مدل‌سازی داده‌های علمی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده‌های اقلیمی
• 2. نصب و راه‌اندازی R و RStudio
• 3. آشنایی با محیط RStudio
• 4. مبانی زبان برنامه‌نویسی R
• 5. ساختار داده‌ها در R (بردارها، ماتریس‌ها، لیست‌ها)
• 6. فریم‌های داده (Data Frames)
• 7. عملیات پایه روی فریم‌های داده
• 8. خواندن و نوشتن داده‌ها (CSV, Excel)
• 9. پاکسازی و پیش‌پردازش داده‌ها
• 10. مدیریت مقادیر گمشده (Missing Values)
• 11. استانداردسازی و نرمال‌سازی داده‌ها
• 12. تبدیل متغیرها
• 13. آشنایی با کتابخانه‌های مفید در R
• 14. نصب و بارگذاری کتابخانه‌ها
• 15. کار با کتابخانه dplyr برای دستکاری داده‌ها
• 16. فیلتر کردن داده‌ها
• 17. انتخاب ستون‌ها
• 18. مرتب‌سازی داده‌ها
• 19. گروه‌بندی و خلاصه‌سازی داده‌ها
• 20. استفاده از pipe operator (%>%)
• 21. کار با کتابخانه tidyr برای مرتب‌سازی داده‌ها
• 22. تبدیل فرمت داده‌ها (wide to long)
• 23. تبدیل فرمت داده‌ها (long to wide)
• 24. تکمیل مقادیر گمشده با روش‌های پیشرفته
• 25. استفاده از کتابخانه ggplot2 برای بصری‌سازی داده‌ها
• 26. مبانی بصری‌سازی در ggplot2
• 27. نمودارهای پراکندگی (Scatter Plots)
• 28. نمودارهای خطی (Line Plots)
• 29. نمودارهای میله‌ای (Bar Plots)
• 30. نمودارهای هیستوگرام (Histograms)
• 31. نمودارهای جعبه‌ای (Box Plots)
• 32. نمودارهای آماری (Statistical Plots)
• 33. تنظیمات پیشرفته در ggplot2 (تم‌ها، برچسب‌ها)
• 34. شخصی‌سازی نمودارها
• 35. ترکیب نمودارها
• 36. بصری‌سازی داده‌های سری زمانی
• 37. مقدمه‌ای بر آمار توصیفی
• 38. محاسبه شاخص‌های مرکزی (میانگین، میانه، مد)
• 39. محاسبه شاخص‌های پراکندگی (واریانس، انحراف معیار)
• 40. محاسبه چارک‌ها و صدک‌ها
• 41. آزمون‌های آماری پایه
• 42. آزمون t تک‌نمونه‌ای
• 43. آزمون t دو نمونه‌ای مستقل
• 44. آزمون t دو نمونه‌ای زوجی
• 45. آزمون تحلیل واریانس یک‌طرفه (ANOVA)
• 46. آزمون کای‌دو (Chi-squared test)
• 47. مقدمه‌ای بر مدل‌سازی آماری
• 48. رگرسیون خطی ساده
• 49. تفسیر ضرایب رگرسیون
• 50. ارزیابی مدل رگرسیون خطی
• 51. پیش‌بینی با مدل رگرسیون خطی
• 52. رگرسیون خطی چندگانه
• 53. انتخاب متغیر در رگرسیون
• 54. مدل‌های تعاملی
• 55. مدل‌سازی داده‌های اقلیمی
• 56. مفاهیم پایه اقلیم‌شناسی
• 57. داده‌های دمایی و بارش
• 58. داده‌های رطوبت و فشار
• 59. داده‌های باد
• 60. منابع داده‌های اقلیمی در ایران
• 61. دریافت و آماده‌سازی داده‌های اقلیمی
• 62. تحلیل آماری داده‌های دمایی
• 63. تحلیل آماری داده‌های بارش
• 64. تحلیل آماری داده‌های رطوبت
• 65. تحلیل آماری داده‌های فشار
• 66. تحلیل آماری داده‌های باد
• 67. بصری‌سازی داده‌های دمایی
• 68. بصری‌سازی داده‌های بارش
• 69. بصری‌سازی داده‌های رطوبت
• 70. بصری‌سازی داده‌های فشار
• 71. بصری‌سازی داده‌های باد
• 72. مدل‌سازی روند دما
• 73. مدل‌سازی روند بارش
• 74. مدل‌سازی تغییرات فصلی
• 75. مدل‌سازی الگوهای منطقه‌ای
• 76. تحلیل سری‌های زمانی اقلیمی
• 77. شناخت و حذف اثر فصلی
• 78. شناخت و حذف روند
• 79. مدل‌های ARIMA برای سری‌های زمانی
• 80. پیش‌بینی سری‌های زمانی اقلیمی
• 81. اعتبارسنجی مدل‌های پیش‌بینی
• 82. کاربرد مدل‌های اقلیمی در برنامه‌ریزی
• 83. ارزیابی اثرات تغییرات اقلیمی
• 84. مدیریت منابع آب با رویکرد اقلیمی
• 85. کشاورزی و امنیت غذایی در اقلیم
• 86. بصری‌سازی داده‌های اقلیمی پیشرفته
• 87. کاربرد نقشه‌ها در تحلیل اقلیمی
• 88. تحلیل مکانی داده‌های اقلیمی
• 89. مقدمه‌ای بر یادگیری ماشین در علوم اقلیمی
• 90. دسته‌بندی داده‌های اقلیمی
• 91. خوشه‌بندی داده‌های اقلیمی
• 92. شبکه‌های عصبی برای داده‌های اقلیمی
• 93. مقدمه‌ای بر داده‌های ماهواره‌ای اقلیمی
• 94. پردازش داده‌های ماهواره‌ای در R
• 95. اخلاق در تحلیل داده‌های اقلیمی
• 96. نکات پایانی و منابع بیشتر