دوره پروژه جامع تحلیل داده و مدل‌سازی آماری با R (مبتنی بر استانداردهای علمی) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پروژه جامع تحلیل داده و مدل‌سازی آماری با R (مبتنی بر استانداردهای علمی)

موضوع کلی: علوم داده و تحلیل‌های آماری

موضوع میانی: تحلیل داده‌های کاربردی با زبان برنامه‌نویسی R

📋 سرفصل‌های دوره

• 1. مبانی برنامه‌نویسی و محیط نرم‌افزاری R
• 2. نصب و راه‌اندازی RStudio و مدیریت بسته‌ها
• 3. ساختار داده‌ها و انواع متغیرها در زبان R
• 4. فراخوانی و خواندن داده‌ها از فایل‌های CSV و Excel
• 5. تمیزسازی و پیش‌پردازش داده‌های خام
• 6. کار با کتابخانه Tidyverse برای مدیریت داده‌ها
• 7. فیلتر کردن و انتخاب زیرمجموعه‌های داده
• 8. تغییر نام و ایجاد متغیرهای جدید در دیتافریم‌ها
• 9. تجمیع و خلاصه‌سازی داده‌ها با استفاده از دستورات گروهی
• 10. مدیریت مقادیر گمشده و داده‌های پرت
• 11. مبانی مصورسازی داده‌ها با ggplot2
• 12. رسم نمودارهای توزیع و هیستوگرام
• 13. تحلیل همبستگی و رسم نمودارهای پراکندگی
• 14. استفاده از نمودارهای جعبه‌ای برای بررسی توزیع داده‌ها
• 15. آمار توصیفی و شاخص‌های مرکزی و پراکندگی
• 16. آزمون‌های فرض آماری و کاربرد آن‌ها در تحلیل داده‌ها
• 17. تحلیل واریانس و مقایسه میانگین گروه‌ها
• 18. مبانی رگرسیون خطی ساده و تفسیر ضرایب
• 19. رگرسیون چندگانه و ارزیابی برازش مدل
• 20. بررسی پیش‌فرض‌های مدل‌های رگرسیونی
• 21. روش‌های انتخاب متغیر در مدل‌سازی آماری
• 22. مبانی یادگیری نظارت‌شده در محیط R
• 23. تقسیم‌بندی داده‌ها به مجموعه‌های آموزش و آزمون
• 24. ارزیابی عملکرد مدل‌ها با استفاده از شاخص‌های دقت
• 25. کار با مدل‌های طبقه‌بندی (Classification)
• 26. پیاده‌سازی الگوریتم رگرسیون لجستیک
• 27. مقدمه‌ای بر درخت‌های تصمیم‌گیری
• 28. خوشه‌بندی داده‌ها با استفاده از الگوریتم K-means
• 29. تحلیل مؤلفه‌های اصلی برای کاهش ابعاد داده‌ها
• 30. تولید گزارش‌های تحلیلی با استفاده از R Markdown
• 31. مستندسازی پروژه‌های داده‌محور با استانداردهای علمی
• 32. طراحی داشبوردهای تعاملی با استفاده از Shiny
• 33. بهینه‌سازی کدهای R برای تحلیل مجموعه‌های داده بزرگ
• 34. کاربرد تحلیل سری‌های زمانی در پیش‌بینی داده‌ها
• 35. پیاده‌سازی یک پروژه جامع تحلیل داده از ابتدا تا انتها
• 36. ارائه نتایج و تفسیر یافته‌های آماری برای تصمیم‌گیری
• 37. رعایت اخلاق حرفه‌ای در تحلیل داده و صیانت از حریم خصوصی
• 38. اصول گزارش‌نویسی فنی و علمی در محیط آکادمیک
• 39. آشنایی با منابع داده‌های باز و معتبر داخلی
• 40. مرور نهایی و راهکارهای توسعه مدل‌های آماری