دوره جامع تحلیل داده‌های پژوهشی با زبان برنامه‌نویسی R (ویژه محققان و دانشجویان) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع تحلیل داده‌های پژوهشی با زبان برنامه‌نویسی R (ویژه محققان و دانشجویان)

موضوع کلی: علوم داده و آمار کاربردی

موضوع میانی: تحلیل کمی داده‌ها با استفاده از نرم‌افزارهای آماری

📋 سرفصل‌های دوره

• 1. آشنایی با محیط نرم‌افزاری R و نصب بسته‌های آماری
• 2. مبانی مدیریت داده‌ها و ساختار انواع متغیرها در R
• 3. فراخوانی و وارد کردن داده‌های پژوهشی از منابع مختلف
• 4. پاک‌سازی داده‌ها و مدیریت مقادیر گمشده
• 5. توصیف آماری داده‌ها با شاخص‌های مرکزی و پراکندگی
• 6. تجسم داده‌ها با استفاده از پکیج ggplot2
• 7. مفهوم توزیع‌های احتمالی و کاربرد آن‌ها در استنباط آماری
• 8. نمونه‌گیری و بررسی توزیع نمونه‌برداری
• 9. آزمون‌های فرض آماری و مفهوم سطح معناداری
• 10. مقایسه میانگین دو گروه مستقل با آزمون t
• 11. مقایسه میانگین گروه‌های وابسته با آزمون t
• 12. تحلیل واریانس یک‌طرفه برای مقایسه چندین گروه
• 13. تحلیل واریانس دوطرفه و بررسی اثرات متقابل
• 14. آزمون‌های ناپارامتریک در تحلیل داده‌های غیرنرمال
• 15. همبستگی پیرسون و اسپیرمن برای بررسی روابط خطی
• 16. مبانی رگرسیون خطی ساده و برازش مدل
• 17. بررسی مفروضات رگرسیون خطی و تحلیل باقی‌مانده‌ها
• 18. رگرسیون خطی چندگانه و تفسیر ضرایب
• 19. انتخاب مدل بهینه و معیارهای برازش آماری
• 20. رگرسیون لجستیک برای تحلیل متغیرهای وابسته دووجهی
• 21. تحلیل داده‌های طبقه‌بندی شده و جداول توافقی
• 22. استفاده از آزمون کای‌اسکوئر در تحلیل روابط متغیرهای کیفی
• 23. مقدمه‌ای بر تحلیل سری‌های زمانی در پژوهش‌های اقتصادی
• 24. روش‌های کاهش ابعاد و تحلیل مؤلفه‌های اصلی
• 25. خوشه‌بندی داده‌ها و روش‌های یادگیری بدون ناظر
• 26. گزارش‌نویسی علمی و تولید خروجی‌های آماری با R Markdown
• 27. اخلاق در پژوهش و رعایت امانتداری در تحلیل داده‌ها
• 28. کاربرد نرم‌افزار R در تحلیل‌های علوم اجتماعی و رفتاری
• 29. تحلیل داده‌های پیمایشی و وزن‌دهی به پاسخ‌ها
• 30. کاربرد تحلیل داده در سیاست‌گذاری و مدیریت کلان
• 31. اعتبارسنجی نتایج آماری و تکرارپذیری پژوهش‌ها
• 32. رفع خطاهای رایج در کدنویسی آماری
• 33. بهینه‌سازی کدهای R برای تحلیل مجموعه‌داده‌های حجیم
• 34. مستندسازی مراحل تحلیل برای دفاع از پایان‌نامه
• 35. نکات کلیدی در تفسیر نتایج برای مقالات علمی پژوهشی