دوره روایت داستانی با داده‌ها با استفاده از R همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره روایت داستانی با داده‌ها با استفاده از R

موضوع کلی: برنامه نویسی

موضوع میانی: بصری‌سازی داده (Data Visualization)

📋 سرفصل‌های دوره

• 1. مبانی کار با زبان برنامه نویسی R
• 2. نصب و پیکربندی R و RStudio
• 3. مفاهیم پایه ای در R: متغیرها، انواع داده
• 4. ساختار داده ها در R: بردارها، ماتریس ها، آرایه ها
• 5. کار با دیتافریم ها در R
• 6. عملیات پایه ای بر روی دیتافریم ها
• 7. خواندن و نوشتن فایل های داده (CSV, Excel)
• 8. مقدمه ای بر بصری سازی داده ها
• 9. نمودارهای پایه ای در R: هیستوگرام، نمودار پراکندگی
• 10. نمودار جعبه ای (Boxplot) برای نمایش توزیع داده ها
• 11. نمودار میله ای (Bar plot) برای مقایسه دسته ها
• 12. نمودارهای خطی (Line plot) برای نمایش روندها
• 13. نقشه ها در R: مقدمات و انواع
• 14. توابع پایه ای برای پردازش داده ها
• 15. فیلتر کردن و انتخاب زیرمجموعه ای از داده ها
• 16. مرتب سازی و مرتب کردن داده ها
• 17. تجمیع و خلاصه سازی داده ها
• 18. کار با توابع apply در R
• 19. مقدمه ای بر بسته های R
• 20. نصب و مدیریت بسته ها
• 21. بسته dplyr برای دستکاری داده ها
• 22. دستورات filter, select, mutate در dplyr
• 23. دستور arrange و summarise در dplyr
• 24. دستور group_by در dplyr
• 25. بسته tidyr برای مرتب سازی داده ها
• 26. توابع gather و spread در tidyr
• 27. توابع separate و unite در tidyr
• 28. مقدمه ای بر زبان فارسی در R
• 29. کار با رشته ها و متن در R
• 30. توابع پایه ای برای کار با رشته ها
• 31. عبارات منظم (Regular Expressions) در R
• 32. استفاده از توابع stringr
• 33. مقدمه ای بر آمار توصیفی در R
• 34. محاسبه معیارهای مرکزی (میانگین، میانه)
• 35. محاسبه معیارهای پراکندگی (واریانس، انحراف معیار)
• 36. محاسبه چارک ها و صدک ها
• 37. تحلیل فراوانی داده ها
• 38. مقدمه ای بر توابع آماری در R
• 39. آزمون فرض آماری: مقدمات
• 40. آزمون t تک نمونه ای
• 41. آزمون t دو نمونه ای مستقل
• 42. آزمون t زوجی
• 43. آزمون واریانس یک طرفه (ANOVA)
• 44. همبستگی پیرسون
• 45. رگرسیون خطی ساده
• 46. تفسیر نتایج رگرسیون خطی ساده
• 47. رگرسیون خطی چندگانه
• 48. مقدمه ای بر یادگیری ماشین در R
• 49. رده بندی (Classification) در R
• 50. الگوریتم k-نزدیکترین همسایه (k-NN)
• 51. درخت تصمیم (Decision Tree)
• 52. جنگل تصادفی (Random Forest)
• 53. ماشین بردار پشتیبان (SVM)
• 54. خوشه بندی (Clustering) در R
• 55. الگوریتم k-Means
• 56. خوشه بندی سلسله مراتبی
• 57. ارزیابی مدل های یادگیری ماشین
• 58. متریک های ارزیابی رده بندی (دقت، صحت، F1-score)
• 59. متریک های ارزیابی خوشه بندی
• 60. مقدمه ای بر پردازش زبان طبیعی (NLP) با R
• 61. خواندن و پیش پردازش متن
• 62. توکن سازی و حذف کلمات توقف
• 63. تحلیل احساسات (Sentiment Analysis)
• 64. مدل سازی موضوعی (Topic Modeling)
• 65. بسته tm برای NLP
• 66. بسته quanteda برای NLP
• 67. تجزیه و تحلیل سری های زمانی در R
• 68. مفاهیم پایه ای سری های زمانی
• 69. نمودارهای سری زمانی
• 70. فصل بندی و هموارسازی سری های زمانی
• 71. مدل های ARIMA
• 72. پیش بینی با مدل های سری زمانی
• 73. کار با داده های مکانی در R
• 74. مقدمه ای بر بسته های مکانی
• 75. خواندن و نوشتن داده های مکانی
• 76. بصری سازی داده های مکانی
• 77. تحلیل داده های مکانی
• 78. کار با داده های شبکه ای در R
• 79. مقدمه ای بر بسته های شبکه ای
• 80. ساخت و نمایش گراف
• 81. تحلیل ویژگی های شبکه
• 82. مقدمه ای بر گزارش دهی با R
• 83. ایجاد گزارش های پویا با R Markdown
• 84. استفاده از قالب ها در R Markdown
• 85. خروجی های مختلف از R Markdown (HTML, PDF, Word)
• 86. مقدمه ای بر ابزارهای تعاملی در R
• 87. ایجاد نمودارهای تعاملی با plotly
• 88. ایجاد داشبوردهای تعاملی با Shiny
• 89. اصول طراحی رابط کاربری در Shiny
• 90. مقدمه ای بر مباحث پیشرفته تر در R
• 91. بهینه سازی کد در R
• 92. اشکال زدایی (Debugging) در R
• 93. کار با پایگاه داده ها در R
• 94. مقدمه ای بر هوش تجاری (BI) با R
• 95. اصول داستان سرایی با داده ها
• 96. انتخاب نمودار مناسب برای روایت
• 97. ساخت روایت داستانی با داده ها
• 98. تمرین های عملی داستان سرایی با داده ها
• 99. ملاحظات اخلاقی در تحلیل داده ها
• 100. حفظ حریم خصوصی داده ها