دوره ساخت اپلیکیشن‌های تعاملی داده با R Shiny همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت اپلیکیشن‌های تعاملی داده با R Shiny

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: تحلیل و بصری‌سازی داده‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم داده و تحلیل آن
• 2. آشنایی با زبان برنامه‌نویسی R
• 3. نصب و پیکربندی R و RStudio
• 4. مبانی برنامه‌نویسی در R: متغیرها و انواع داده
• 5. ساختارهای داده در R: وکتورها، لیست‌ها، ماتریس‌ها و دیتافریم‌ها
• 6. عملیات پایه بر روی دیتافریم‌ها
• 7. مقدمه‌ای بر کتابخانه dplyr برای دستکاری داده‌ها
• 8. فیلتر کردن و انتخاب داده‌ها
• 9. مرتب‌سازی و گروه‌بندی داده‌ها
• 10. تجمیع داده‌ها با dplyr
• 11. آشنایی با کتابخانه tidyr برای مرتب‌سازی داده‌ها
• 12. تبدیل داده‌ها از فرمت عریض به بلند و بالعکس
• 13. رفع داده‌های گمشده
• 14. مقدمه‌ای بر R Shiny
• 15. اجزای اصلی یک اپلیکیشن Shiny: UI و Server
• 16. ساخت یک اپلیکیشن Shiny ساده
• 17. آشنایی با عناصر ورودی (Input Widgets)
• 18. استفاده از دکمه‌ها و اسلایدرها
• 19. استفاده از جعبه‌های انتخاب و رادیو باتن‌ها
• 20. استفاده از لیست‌های کشویی
• 21. استفاده از فیلدهای متنی
• 22. آشنایی با عناصر خروجی (Output Elements)
• 23. نمایش جداول داده
• 24. نمایش نمودارها
• 25. نمایش متن و مقادیر
• 26. ایجاد واکنش‌گرایی (Reactivity) در Shiny
• 27. مفهوم Observables و Observers
• 28. استفاده از reactive() و render*()
• 29. توابع مشتق شده (Derived Functions): reactiveValues()
• 30. مدیریت وضعیت در Shiny
• 31. آشنایی با کتابخانه‌های بصری‌سازی داده در R
• 32. مقدمه‌ای بر ggplot2
• 33. ساخت نمودارهای پراکندگی (Scatter Plots)
• 34. ساخت نمودارهای خطی (Line Plots)
• 35. ساخت نمودارهای میله‌ای (Bar Plots)
• 36. ساخت نمودارهای جعبه‌ای (Box Plots)
• 37. استفاده از لایه‌ها در ggplot2
• 38. تغییر تم و استایل نمودارها
• 39. ذخیره نمودارها
• 40. یکپارچه‌سازی ggplot2 با Shiny
• 41. استفاده از ورودی‌ها برای کنترل نمودارها
• 42. فیلتر کردن داده‌ها بر اساس ورودی‌ها
• 43. تغییر متغیرهای محورها بر اساس ورودی‌ها
• 44. تغییر نوع نمودار بر اساس ورودی‌ها
• 45. مدیریت چندین نمودار در یک اپلیکیشن
• 46. ساخت داشبوردهای تعاملی
• 47. استفاده از layout ها در Shiny
• 48. ساخت صفحات متعدد در داشبورد
• 49. اضافه کردن متن و توضیحات به داشبورد
• 50. استفاده از ابزارهای ناوبری (Tabs, Sidebar)
• 51. مدیریت داده‌های بزرگ در Shiny
• 52. استفاده از پایگاه داده در Shiny
• 53. اتصال به پایگاه داده‌های SQLite
• 54. اتصال به پایگاه داده‌های PostgreSQL
• 55. استفاده از کتابخانه DBI
• 56. بهینه‌سازی عملکرد اپلیکیشن‌های Shiny
• 57. مدیریت حافظه
• 58. کاهش زمان پردازش
• 59. استفاده از caching
• 60. مقدمه‌ای بر ابزارهای امنیتی در اپلیکیشن‌های وب
• 61. اصول اولیه امنیت داده‌ها
• 62. حفاظت از اطلاعات حساس کاربران
• 63. مدیریت دسترسی‌ها
• 64. آشنایی با چارچوب‌های توسعه وب در R (غیر از Shiny)
• 65. مروری بر plumber برای ساخت API
• 66. مقدمه‌ای بر ابزارهای BI در ایران (با رویکرد سازگار)
• 67. مبانی کار با Excel برای تحلیل داده (با تأکید بر فرمت‌های سازگار)
• 68. مبانی کار با Google Sheets برای تحلیل داده (با تأکید بر فرمت‌های سازگار)
• 69. اصول اولیه گزارش‌دهی داده‌ها
• 70. انتخاب نمودار مناسب برای نمایش داده‌ها
• 71. اصول طراحی بصری گزارش‌ها
• 72. استانداردهای بصری‌سازی داده در ایران
• 73. مقدمه‌ای بر تحلیل داده‌های مکانی (با رویکرد سازگار)
• 74. استفاده از داده‌های جغرافیایی در R
• 75. بصری‌سازی داده‌های مکانی
• 76. مقدمه‌ای بر یادگیری ماشین در R (با رویکرد سازگار)
• 77. انواع الگوریتم‌های یادگیری ماشین
• 78. آماده‌سازی داده‌ها برای مدل‌سازی
• 79. ارزیابی مدل‌ها
• 80. مقدمه‌ای بر تحلیل سری‌های زمانی (با رویکرد سازگار)
• 81. مدل‌های پایه سری‌های زمانی
• 82. بصری‌سازی سری‌های زمانی
• 83. مقدمه‌ای بر پردازش زبان طبیعی (با رویکرد سازگار)
• 84. تحلیل متن در R
• 85. بصری‌سازی نتایج تحلیل متن
• 86. مقدمه‌ای بر هوش مصنوعی و کاربردهای آن (با رویکرد سازگار)
• 87. اخلاق در هوش مصنوعی
• 88. کاربردهای هوش مصنوعی در صنایع مختلف (با تمرکز بر ایران)
• 89. اصول توسعه نرم‌افزار در R
• 90. مدیریت پروژه در R
• 91. مستندسازی کد در R
• 92. تست‌نویسی در R
• 93. مقدمه‌ای بر داده‌کاوی و کشف دانش (با رویکرد سازگار)
• 94. قوانین وابستگی (Association Rules)
• 95. خوشه‌بندی (Clustering)
• 96. طبقه‌بندی (Classification)
• 97. مقدمه‌ای بر اقتصاد سنجی در R (با رویکرد سازگار)
• 98. مدل‌های رگرسیون خطی
• 99. تحلیل داده‌های اقتصادی
• 100. مقدمه‌ای بر حسابداری و مالی در R (با رویکرد سازگار)