کتاب R در یک نگاه: راهنمای جامع و کاربردی برای تحلیل‌گران داده با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره R در یک نگاه: راهنمای جامع و کاربردی برای تحلیل‌گران داده

موضوع کلی: علم داده و تحلیل آماری

موضوع میانی: برنامه‌نویسی R برای تحلیل داده

📋 سرفصل‌های دوره

• 1. بخش اول: مبانی و شروع کار با R**
• 2. مقدمه‌ای بر R: چرا R را انتخاب کنیم؟
• 3. نصب R و RStudio: راهنمای گام به گام
• 4. آشنایی با محیط RStudio: کنسول، اسکریپت، پلات و فایل‌ها
• 5. اولین جلسه با R: اجرای دستورات و نوشتن اسکریپت
• 6. R به عنوان یک ماشین حساب قدرتمند
• 7. متغیرها و عملگر تخصیص (Assignment)
• 8. انواع داده‌های پایه: عددی، کاراکتری و منطقی
• 9. مقدمه‌ای بر بردارها (Vectors): سنگ بنای R
• 10. ایجاد بردارها با توابع `c()`, `seq()` و `rep()`
• 11. عملیات ریاضی بر روی بردارها (Vectorized Operations)
• 12. اندیس‌گذاری و استخراج زیرمجموعه از بردارها
• 13. فیلتر کردن بردارها با استفاده از عبارات منطقی
• 14. مقادیر گمشده (Missing Values): کار با NA و NULL
• 15. دریافت راهنما در R: توابع `?`، `help()` و `??`
• 16. محیط کاری (Workspace) و تاریخچه دستورات
• 17. نصب و بارگذاری پکیج‌ها: `install.packages()` و `library()`
• 18. آشنایی با توابع و آرگومان‌های آن‌ها
• 19. استفاده از پروژه‌های RStudio برای مدیریت کارها
• 20. بخش دوم: ساختارهای داده در R**
• 21. ماتریس‌ها (Matrices): ایجاد و ویژگی‌ها
• 22. عملیات جبری بر روی ماتریس‌ها
• 23. اندیس‌گذاری و انتخاب زیرمجموعه از ماتریس‌ها
• 24. آرایه‌ها (Arrays): ساختارهای چندبعدی
• 25. لیست‌ها (Lists): نگهداری انواع داده‌های مختلف
• 26. ایجاد و نام‌گذاری اعضای لیست
• 27. دسترسی به اعضای لیست با `$`, `[[ ]]` و `[ ]`
• 28. دیتافریم‌ها (Data Frames): ساختار اصلی برای تحلیل داده
• 29. ایجاد دیتافریم به صورت دستی
• 30. بررسی ساختار دیتافریم: `str()`, `summary()`, `head()`
• 31. انتخاب سطرها و ستون‌ها در دیتافریم
• 32. افزودن و حذف ستون‌ها از دیتافریم
• 33. فاکتورها (Factors): مدیریت داده‌های طبقه‌بندی شده
• 34. کار با سطوح (Levels) در فاکتورها
• 35. تبدیل انواع ساختارهای داده به یکدیگر
• 36. بخش سوم: ورود و خروج داده‌ها**
• 37. مدیریت مسیر کاری (Working Directory)
• 38. خواندن فایل‌های CSV با `read.csv`
• 39. نوشتن دیتافریم در فایل‌های CSV با `write.csv`
• 40. خواندن فایل‌های متنی با جداکننده (Delimited Files)
• 41. خواندن فایل‌های اکسل با پکیج `readxl`
• 42. ذخیره و بارگذاری اشیاء R با `save()` و `load()`
• 43. مقدمه‌ای بر اتصال به پایگاه‌های داده (Databases)
• 44. خواندن داده از وب‌سایت‌ها
• 45. کار با داده‌های با فرمت JSON
• 46. وارد کردن داده از نرم‌افزارهای آماری دیگر (SPSS, Stata)
• 47. بخش چهارم: مبانی برنامه‌نویسی در R**
• 48. دستورات شرطی: `if`, `else` و `else if`
• 49. تابع برداری `ifelse()` برای شروط ساده
• 50. حلقه‌های تکرار: کار با `for`
• 51. حلقه‌های تکرار: کار با `while`
• 52. اجتناب از حلقه‌ها: خانواده توابع `apply`
• 53. نوشتن اولین تابع سفارشی (Custom Function)
• 54. آرگومان‌ها و مقادیر بازگشتی در توابع
• 55. تعریف آرگومان‌های پیش‌فرض برای توابع
• 56. مفهوم دامنه متغیرها (Variable Scope)
• 57. مدیریت خطا با `tryCatch`
• 58. ابزارهای اشکال‌زدایی (Debugging) در R
• 59. بردارسازی (Vectorization): فلسفه اصلی R
• 60. بخش پنجم: پاکسازی و آماده‌سازی داده با Tidyverse**
• 61. مقدمه‌ای بر Tidyverse و مفهوم داده‌های مرتب (Tidy Data)
• 62. اپراتور پایپ (%>%) و قدرت زنجیره‌نویسی
• 63. انتخاب ستون‌ها با `dplyr::select()`
• 64. فیلتر کردن سطرها با `dplyr::filter()`
• 65. مرتب‌سازی داده‌ها با `dplyr::arrange()`
• 66. ایجاد ستون‌های جدید با `dplyr::mutate()`
• 67. خلاصه‌سازی داده‌ها با `dplyr::summarise()`
• 68. گروه‌بندی داده‌ها با `dplyr::group_by()`
• 69. ترکیب قدرتمند `group_by()` و `summarise()`
• 70. تغییر شکل داده: از عریض به طویل با `tidyr::pivot_longer()`
• 71. تغییر شکل داده: از طویل به عریض با `tidyr::pivot_wider()`
• 72. ادغام دیتافریم‌ها: `inner_join` و `left_join`
• 73. ادغام دیتافریم‌ها: `right_join` و `full_join`
• 74. کار با رشته‌های متنی با پکیج `stringr`
• 75. کار با فاکتورها با پکیج `forcats`
• 76. کار با تاریخ و زمان با پکیج `lubridate`
• 77. بخش ششم: مصورسازی داده‌ها**
• 78. مقدمه‌ای بر رسم نمودار در R: گرافیک پایه (Base R)
• 79. رسم هیستوگرام و نمودار جعبه‌ای (Boxplot) در گرافیک پایه
• 80. رسم نمودار پراکندگی (Scatter Plot) در گرافیک پایه
• 81. آشنایی با `ggplot2` و گرامر گرافیک‌ها
• 82. ساخت نمودار لایه به لایه: `ggplot()`, `aes()` و `geom`
• 83. انواع `geom`های پرکاربرد: `geom_point`, `geom_line`, `geom_bar`
• 84. سفارشی‌سازی ظاهر نمودار: رنگ، اندازه و شکل
• 85. رسم نمودارهای چندگانه با `facet_wrap()` و `facet_grid()`
• 86. تنظیمات محورها، عناوین و راهنمای نمودار (Legend)
• 87. اصلاح و سفارشی‌سازی تم (Theme) نمودار
• 88. ذخیره نمودارها با کیفیت بالا با `ggsave()`
• 89. نمودارهای تعاملی (Interactive) با `plotly`
• 90. بخش هفتم: تحلیل‌های آماری**
• 91. آمار توصیفی: میانگین، میانه، انحراف معیار
• 92. محاسبه همبستگی (Correlation) و کوواریانس
• 93. توزیع‌های احتمال در R
• 94. آزمون‌های فرض آماری: مقدمه‌ای بر آزمون t
• 95. آزمون t برای نمونه‌های مستقل و وابسته
• 96. تحلیل واریانس یک‌طرفه (One-Way ANOVA)
• 97. مقدمه‌ای بر مدل‌سازی خطی با تابع `lm()`
• 98. ایجاد و برازش مدل رگرسیون خطی ساده
• 99. تفسیر خروجی مدل: ضرایب، R-squared و مقادیر p
• 100. مدل رگرسیون خطی چندگانه