کتاب برنامه‌نویسی آماری با R: نقشه راه شما برای تحلیل داده با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره برنامه‌نویسی آماری با R: نقشه راه شما برای تحلیل داده

موضوع کلی: تجزیه و تحلیل داده

موضوع میانی: برنامه‌نویسی آماری با R

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر R و RStudio: چرا R برای تحلیل داده؟
• 2. نصب R و RStudio روی سیستم‌عامل‌های مختلف
• 3. آشنایی با محیط کاربری RStudio: کنسول، اسکریپت، محیط و نمودارها
• 4. اولین دستورات در R: استفاده از R به عنوان یک ماشین حساب
• 5. دریافت راهنمایی در R: توابع `help()` و `?`
• 6. پکیج‌ها (Packages) در R: نصب و فراخوانی کتابخانه‌ها
• 7. مدیریت فضای کاری (Workspace) و پروژه‌ها در RStudio
• 8. متغیرها و عملگر تخصیص (Assignment)
• 9. انواع داده‌های پایه: عددی (Numeric)، صحیح (Integer)، کاراکتری (Character) و منطقی (Logical)
• 10. مقادیر ویژه: `NA`، `NaN`، `Inf` و `-Inf`
• 11. بررسی و تبدیل انواع داده‌ها (Coercion)
• 12. عملگرهای حسابی و مقایسه‌ای
• 13. عملگرهای منطقی: AND, OR, NOT
• 14. مقدمه‌ای بر ساختارهای داده در R
• 15. وکتورها (Vectors): سنگ بنای R
• 16. ایجاد وکتورها با `c()`, `seq()` و `rep()`
• 17. عملیات ریاضی روی وکتورها (Vectorization)
• 18. اندیس‌گذاری (Indexing) و انتخاب زیرمجموعه (Subsetting) در وکتورها
• 19. فیلتر کردن وکتورها با استفاده از اندیس‌گذاری منطقی
• 20. توابع پایه برای کار با وکتورها: `length()`, `sum()`, `mean()`
• 21. ماتریس‌ها (Matrices): ایجاد و کاربردها
• 22. عملیات ریاضی روی ماتریس‌ها
• 23. اندیس‌گذاری و انتخاب زیرمجموعه در ماتریس‌ها
• 24. آرایه‌ها (Arrays): ساختارهای چندبعدی
• 25. لیست‌ها (Lists): نگهداری انواع مختلف داده
• 26. ایجاد و اندیس‌گذاری لیست‌ها: `$`، `[[ ]]` و `[ ]`
• 27. دیتافریم‌ها (Data Frames): ساختار اصلی برای داده‌های جدولی
• 28. ایجاد یک دیتافریم از ابتدا
• 29. بررسی ساختار دیتافریم: `str()`, `summary()`, `head()`, `tail()`
• 30. انتخاب ستون‌ها و سطرها در دیتافریم
• 31. فاکتورها (Factors): کار با داده‌های دسته‌ای (Categorical)
• 32. تبدیل متغیرها به فاکتور و کار با سطوح (Levels)
• 33. مقدمه‌ای بر جریان کنترل (Control Flow)
• 34. دستورات شرطی: `if`, `else if`, `else`
• 35. تابع برداری `ifelse()` برای عملیات شرطی
• 36. حلقه‌های تکرار: حلقه `for`
• 37. حلقه‌های تکرار: حلقه `while`
• 38. حلقه‌های تکرار: حلقه `repeat` و دستورات `break` و `next`
• 39. چرا و چگونه از حلقه‌ها اجتناب کنیم: قدرت Vectorization
• 40. خانواده توابع `apply()`: اعمال یک تابع روی ماتریس یا آرایه
• 41. توابع `lapply()` و `sapply()`: اعمال تابع روی لیست‌ها و وکتورها
• 42. تابع `tapply()`: اعمال تابع بر اساس گروه‌ها
• 43. نوشتن توابع سفارشی: چرا و چگونه؟
• 44. آناتومی یک تابع در R: آرگومان‌ها، بدنه و مقدار بازگشتی
• 45. تعریف مقادیر پیش‌فرض برای آرگومان‌ها
• 46. محدوده متغیرها (Variable Scope): متغیرهای محلی و سراسری
• 47. مدیریت خطا و هشدار در توابع: `stop()` و `warning()`
• 48. اشکال‌زدایی (Debugging) کد: استفاده از `browser()` و `traceback()`
• 49. توابع ناشناس (Anonymous Functions)
• 50. خواندن داده‌ها از فایل‌های CSV با `read.csv()`
• 51. نوشتن داده‌ها در فایل‌های CSV با `write.csv()`
• 52. خواندن فایل‌های متنی دیگر با `read.table()`
• 53. خواندن داده از فایل‌های اکسل (با استفاده از پکیج `readxl`)
• 54. ذخیره و بارگذاری اشیاء R با `save()` و `load()`
• 55. مقدمه‌ای بر فلسفه Tidyverse: داده‌های مرتب (Tidy Data)
• 56. اپراتور پایپ (`%>%`): زنجیر کردن دستورات برای خوانایی بهتر
• 57. انتخاب ستون‌ها با `select()` از پکیج `dplyr`
• 58. فیلتر کردن سطرها بر اساس شرط با `filter()`
• 59. مرتب‌سازی سطرها با `arrange()`
• 60. ایجاد ستون‌های جدید با `mutate()`
• 61. خلاصه‌سازی داده‌ها با `summarise()`
• 62. عملیات گروهی با `group_by()`
• 63. ترکیب `group_by()` و `summarise()` برای تحلیل‌های گروهی
• 64. تغییر شکل داده‌ها از عریض به طویل با `pivot_longer()`
• 65. تغییر شکل داده‌ها از طویل به عریض با `pivot_wider()`
• 66. ادغام دیتافریم‌ها: مقدمه‌ای بر انواع Join
• 67. ادغام mutating: `inner_join()` و `left_join()`
• 68. کار با داده‌های متنی: مقدمه‌ای بر پکیج `stringr`
• 69. کار با تاریخ و زمان: مقدمه‌ای بر پکیج `lubridate`
• 70. مقدمه‌ای بر مصورسازی داده با `ggplot2`: گرامر گرافیک
• 71. اولین نمودار با `ggplot2`: تابع `ggplot()` و زیبایی‌شناسی (`aes`)
• 72. نمودار نقطه‌ای (Scatter Plot) با `geom_point()`
• 73. نمودار خطی (Line Plot) با `geom_line()`
• 74. نمودار میله‌ای (Bar Chart) با `geom_bar()`
• 75. هیستوگرام و نمودار چگالی برای توزیع داده‌ها
• 76. نمودار جعبه‌ای (Box Plot) و نمودار ویولن (Violin Plot)
• 77. شخصی‌سازی زیبایی‌شناسی: رنگ، اندازه، شکل و شفافیت
• 78. تقسیم نمودار به زیرنمودارها با `facet_wrap()` و `facet_grid()`
• 79. تنظیم محورها، مقیاس‌ها و محدوده‌ها
• 80. افزودن عنوان، زیرنویس و برچسب به نمودارها (`labs()`)
• 81. تغییر تم و ظاهر کلی نمودار با `theme()`
• 82. ذخیره نمودارها با کیفیت بالا با `ggsave()`
• 83. آمار توصیفی در R: `summary()`, `mean()`, `median()`, `sd()`
• 84. توزیع‌های احتمال در R: نرمال، دوجمله‌ای، پواسون
• 85. شبیه‌سازی و تولید اعداد تصادفی
• 86. آزمون فرض: مقدمه و مفاهیم کلیدی
• 87. آزمون تی تک‌نمونه‌ای (One-Sample t-test)
• 88. آزمون تی دو نمونه مستقل (Independent Two-Sample t-test)
• 89. آزمون تی زوجی (Paired t-test)
• 90. همبستگی (Correlation) و کوواریانس (Covariance)
• 91. رگرسیون خطی ساده (Simple Linear Regression) با `lm()`
• 92. تفسیر خروجی مدل رگرسیون: `summary(lm)`
• 93. بررسی مفروضات و تشخیص مدل رگرسیون
• 94. رگرسیون خطی چندگانه (Multiple Linear Regression)
• 95. استفاده از متغیرهای دسته‌ای به عنوان پیش‌بین در رگرسیون
• 96. تحلیل واریانس (ANOVA) یک‌طرفه
• 97. آزمون کای-دو (Chi-squared Test) برای جداول توافقی
• 98. مقدمه‌ای بر رگرسیون لجستیک برای متغیرهای پاسخ دوتایی
• 99. گزارش‌نویسی تکرارپذیر با R Markdown
• 100. ایجاد یک گزارش ساده در R Markdown: کد، متن و خروجی