دوره جامع تحلیل و آماده‌سازی داده‌های پژوهشی با استفاده از بسته Tidyverse همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع تحلیل و آماده‌سازی داده‌های پژوهشی با استفاده از بسته Tidyverse

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: مدیریت و پیش‌پردازش داده‌های ساختاریافته در محیط نرم‌افزاری R

📋 سرفصل‌های دوره

• 1. مبانی و فلسفه تحلیل داده‌های پژوهشی در محیط R
• 2. معرفی اکوسیستم Tidyverse و نصب بسته‌های مورد نیاز
• 3. آشنایی با ساختار داده‌ها در R و مفهوم Tidy Data
• 4. وارد کردن داده‌ها از فایل‌های متنی و CSV با بسته Readr
• 5. تنظیمات پیشرفته خواندن فایل‌های متنی و مدیریت انواع داده‌ها
• 6. وارد کردن داده‌های اکسل با استفاده از بسته Readxl
• 7. مدیریت برگه‌های فایل‌های اکسل و تعیین محدوده‌های داده
• 8. وارد کردن داده‌ها از نرم‌افزارهای آماری مانند SPSS و SAS
• 9. کار با بسته Haven برای فراخوانی فایل‌های داده‌های پژوهشی
• 10. آشنایی با مفهوم Tibble و تفاوت آن با دیتافریم‌های پایه
• 11. اصول اولیه مشاهده و کاوش داده‌ها در محیط Tidyverse
• 12. انتخاب ستون‌های مورد نیاز با استفاده از تابع Select
• 13. فیلتر کردن ردیف‌ها بر اساس شرایط منطقی و پژوهشی
• 14. مرتب‌سازی داده‌ها بر اساس متغیرهای مختلف
• 15. تغییر نام متغیرها و استانداردسازی عناوین ستون‌ها
• 16. ایجاد متغیرهای جدید و محاسبات ریاضی در محیط داده
• 17. خلاصه‌سازی داده‌ها با استفاده از تابع Summarize
• 18. گروه‌بندی داده‌ها و انجام تحلیل‌های تفکیکی با Group By
• 19. کار با عملگر Pipe برای زنجیره‌سازی دستورات تحلیل
• 20. مدیریت مقادیر گمشده و داده‌های پرت در مجموعه داده
• 21. اصول کار با داده‌های تاریخ و زمان در بسته Lubridate
• 22. کار با رشته‌های متنی و پاک‌سازی داده‌های کیفی با Stringr
• 23. ادغام مجموعه‌داده‌های مختلف با استفاده از توابع Join
• 24. ترکیب سطری و ستونی مجموعه‌داده‌ها با توابع Bind
• 25. تغییر شکل داده‌ها از حالت گسترده به طولانی با Tidyr
• 26. تغییر شکل داده‌ها از حالت طولانی به گسترده
• 27. تفکیک و ترکیب متغیرهای ترکیبی با توابع Separate و Unite
• 28. مدیریت داده‌های تکراری و حذف ردیف‌های زائد
• 29. اعتبارسنجی داده‌ها و کنترل کیفیت ورودی‌ها
• 30. خروجی گرفتن از داده‌های پردازش شده به فرمت‌های استاندارد
• 31. مستندسازی فرآیند آماده‌سازی داده‌ها برای گزارش‌دهی علمی
• 32. نکات اخلاقی و امانتداری در مدیریت داده‌های پژوهشی
• 33. کاربرد تحلیل‌های آماری توصیفی بر روی داده‌های پاک‌سازی شده
• 34. ترسیم نمودارهای اولیه برای بررسی توزیع داده‌ها
• 35. بهینه‌سازی حافظه و کارایی در مدیریت داده‌های حجیم
• 36. رفع خطاهای رایج هنگام وارد کردن و پردازش داده‌ها
• 37. پروژه عملی: پیاده‌سازی یک خط لوله کامل آماده‌سازی داده پژوهشی