کتاب ساخت داشبوردهای تعاملی و تحلیل داده با RShiny با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت داشبوردهای تعاملی و تحلیل داده با RShiny

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: توسعهٔ برنامه‌های کاربردی وب با استفاده از ابزارهای مدرن

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر زبان R و اکوسیستم آن
  • 2. نصب و راه‌اندازی R و RStudio
  • 3. آشنایی با ساختارهای داده در R (بردارها، لیست‌ها، ماتریس‌ها، دیتافریم‌ها)
  • 4. کار با دیتافریم‌ها: انتخاب، فیلتر کردن و مرتب‌سازی داده‌ها
  • 5. مقدمه‌ای بر برنامه‌نویسی تابعی در R
  • 6. توابع سفارشی: ساخت و استفاده
  • 7. مقدمه‌ای بر Shiny: ساخت اولین برنامه وب تعاملی
  • 8. اجزای اصلی یک برنامه Shiny: UI و Server
  • 9. ورودی‌ها در Shiny: کنترل‌ها و ویجت‌ها
  • 10. خروجی‌ها در Shiny: نمایش نتایج و نمودارها
  • 11. مدیریت وضعیت برنامه Shiny (Reactivity)
  • 12. توابع واکنش‌گرا (Reactive Expressions)
  • 13. کال‌بک‌های واکنش‌گرا (Observers)
  • 14. کار با داده‌های خارجی در Shiny (CSV, Excel, Databases)
  • 15. نمایش داده‌ها در جداول تعاملی (DT package)
  • 16. رسم نمودارهای پایه در Shiny
  • 17. ادغام با ggplot2 برای نمودارهای پیشرفته
  • 18. ایجاد نمودارهای تعاملی (Plotly, Leaflet)
  • 19. طراحی رابط کاربری (UI) با HTML و CSS
  • 20. استفاده از چارچوب‌های CSS (Bootstrap) در Shiny
  • 21. تنظیم طرح‌بندی (Layout) برنامه‌های Shiny
  • 22. استفاده از ماژول‌ها برای سازماندهی کد Shiny
  • 23. مدیریت خطاها در برنامه‌های Shiny
  • 24. بهینه‌سازی عملکرد برنامه‌های Shiny
  • 25. استقرار برنامه‌های Shiny (Shiny Server, ShinyApps.io)
  • 26. امنیت در برنامه‌های Shiny
  • 27. کار با فرم‌ها و اعتبارسنجی ورودی‌ها
  • 28. ایجاد گزارش‌های پویا (Dynamic Reports) با R Markdown
  • 29. ترکیب R Markdown با Shiny
  • 30. کار با پایگاه‌های داده رابطه‌ای در Shiny
  • 31. اتصال به پایگاه‌های داده NoSQL
  • 32. استفاده از APIها در برنامه‌های Shiny
  • 33. پایش و لاگ‌گیری در برنامه‌های Shiny
  • 34. تست برنامه‌های Shiny
  • 35. ساخت داشبوردهای مدیریتی
  • 36. تحلیل داده‌های سری زمانی در Shiny
  • 37. تحلیل داده‌های مکانی با Leaflet
  • 38. تجسم داده‌های آماری پیچیده
  • 39. ساخت ابزارهای تصمیم‌گیری با Shiny
  • 40. کاربرد Shiny در آموزش و یادگیری
  • 41. کاربرد Shiny در تحقیقات علمی
  • 42. کاربرد Shiny در کسب و کار و بازاریابی
  • 43. کاربرد Shiny در تحلیل ریسک
  • 44. کاربرد Shiny در مدیریت پروژه
  • 45. کاربرد Shiny در سیستم‌های توصیه‌گر
  • 46. کاربرد Shiny در پردازش زبان طبیعی
  • 47. کاربرد Shiny در بینایی ماشین
  • 48. ساخت بازی‌های ساده با Shiny
  • 49. مقدمه‌ای بر چارچوب‌های توسعه وب مدرن
  • 50. مقایسه Shiny با سایر چارچوب‌های وب
  • 51. استفاده از Docker برای استقرار برنامه‌های Shiny
  • 52. مقدمه‌ای بر DevOps و CI/CD برای برنامه‌های Shiny
  • 53. اصول طراحی تجربه کاربری (UX) در برنامه‌های Shiny
  • 54. اصول طراحی رابط کاربری (UI) کاربرپسند
  • 55. دسترسی‌پذیری (Accessibility) در برنامه‌های Shiny
  • 56. کار با داده‌های حجیم (Big Data) در Shiny
  • 57. استفاده از Spark با R و Shiny
  • 58. مقدمه‌ای بر یادگیری ماشین
  • 59. ادغام مدل‌های یادگیری ماشین در Shiny
  • 60. ساخت داشبوردهای پیش‌بینی با Shiny
  • 61. مدل‌سازی آماری پیشرفته در Shiny
  • 62. تحلیل داده‌های مشتریان با Shiny
  • 63. تحلیل داده‌های مالی با Shiny
  • 64. تحلیل داده‌های سلامت با Shiny
  • 65. تحلیل داده‌های زیست‌محیطی با Shiny
  • 66. تحلیل داده‌های اجتماعی با Shiny
  • 67. ساخت ابزارهای خودکارسازی با Shiny
  • 68. مقدمه‌ای بر معماری نرم‌افزار
  • 69. طراحی معماری برنامه‌های Shiny مقیاس‌پذیر
  • 70. اصول توسعه نرم‌افزار چابک (Agile)
  • 71. کار با سیستم‌های کنترل نسخه (Git)
  • 72. مقدمه‌ای بر امنیت اطلاعات
  • 73. اصول امن‌سازی برنامه‌های Shiny
  • 74. مدیریت دسترسی کاربران در Shiny
  • 75. پیاده‌سازی احراز هویت (Authentication)
  • 76. پیاده‌سازی مجوزدهی (Authorization)
  • 77. کار با ابزارهای مانیتورینگ
  • 78. اصول گزارش‌دهی در برنامه‌های Shiny
  • 79. مقدمه‌ای بر تحلیل داده‌های کلان
  • 80. استفاده از ابزارهای BI با Shiny
  • 81. مقدمه‌ای بر هوش تجاری (Business Intelligence)
  • 82. ساخت داشبوردهای شاخص‌های کلیدی عملکرد (KPI)
  • 83. تحلیل روندها و الگوها
  • 84. پیش‌بینی و مدل‌سازی سناریو
  • 85. بهبود فرآیندهای کسب و کار
  • 86. افزایش بهره‌وری با ابزارهای تعاملی
  • 87. تصمیم‌گیری مبتنی بر داده
  • 88. ارتباطات موثر داده‌ای
  • 89. ارائه نتایج تحلیل به ذینفعان
  • 90. نکات پیشرفته در طراحی UI/UX
  • 91. تکنیک‌های پیشرفته Reactivity
  • 92. کار با کتابخانه‌های جاوااسکریپت در Shiny
  • 93. بهبود قابلیت اشتراک‌گذاری برنامه‌ها
  • 94. مدیریت چرخه عمر برنامه Shiny
  • 95. جمع‌بندی و گام‌های بعدی
تگ‌ها: RShiny ابزارهای مدرن وب برنامه نویسی R تحلیل داده با R توسعه وب با R داشبورد تعاملی ساخت اپلیکیشن R علوم کامپیوتر مهندسی نرم افزار

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.