کتاب جامع تحلیل و مصورسازی داده‌ها با زبان R: از مقدمات تا تصمیم‌گیری داده‌محور در کسب‌وکار با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

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 جامع تحلیل و مصورسازی داده‌ها با زبان R: از مقدمات تا تصمیم‌گیری داده‌محور در کسب‌وکار

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: تحلیل داده‌های کمی و مدلسازی آماری با نرم‌افزار R

📋 سرفصل‌های دوره (100 موضوع)

  • 1. آشنایی با محیط برنامه‌نویسی R و نصب ابزارهای مورد نیاز
  • 2. مدیریت پروژه و ساختار فایل‌ها در محیط RStudio
  • 3. مفاهیم پایه متغیرها و انواع داده‌ها در زبان R
  • 4. کار با بردارها و ماتریس‌ها در تحلیل‌های عددی
  • 5. ساختار داده‌های دیتافریم و وارد کردن فایل‌های اکسل و CSV
  • 6. اصول تمیزسازی داده‌ها با بسته Tidyverse
  • 7. فیلتر کردن و انتخاب زیرمجموعه‌های داده
  • 8. مرتب‌سازی و تغییر نام ستون‌ها در دیتاست
  • 9. ایجاد متغیرهای جدید و محاسبات ریاضی بر روی ستون‌ها
  • 10. کار با داده‌های مفقود و مدیریت مقادیر تهی
  • 11. تجمیع داده‌ها و گروه‌بندی برای تحلیل‌های آماری
  • 12. ادغام و اتصال جداول داده‌ای با استفاده از توابع Join
  • 13. مقدمه‌ای بر مصورسازی داده‌ها با بسته ggplot2
  • 14. رسم نمودارهای پراکندگی برای تحلیل همبستگی
  • 15. رسم نمودارهای ستونی و میله‌ای برای مقایسه داده‌های دسته‌ای
  • 16. تحلیل توزیع داده‌ها با استفاده از نمودارهای هیستوگرام و جعبه‌ای
  • 17. تنظیمات ظاهری نمودارها و افزودن برچسب‌های راهنما
  • 18. تحلیل سری‌های زمانی و روند تغییرات داده‌ها
  • 19. مفاهیم آمار توصیفی و شاخص‌های مرکزی
  • 20. محاسبه انحراف معیار و واریانس در تحلیل‌های آماری
  • 21. آزمون‌های فرض آماری در محیط R
  • 22. تحلیل همبستگی پیرسون و اسپیرمن
  • 23. مقدمه‌ای بر مدل‌سازی رگرسیون خطی ساده
  • 24. ارزیابی دقت مدل‌های رگرسیون و تحلیل باقی‌مانده‌ها
  • 25. مدل‌سازی رگرسیون چندگانه برای پیش‌بینی متغیرها
  • 26. کاربرد مدل‌های رگرسیون لجستیک در تصمیم‌گیری
  • 27. اصول دسته‌بندی داده‌ها و مفاهیم خوشه‌بندی
  • 28. کار با داده‌های متنی و تحلیل‌های اولیه متنی
  • 29. ایجاد گزارش‌های پویا با استفاده از R Markdown
  • 30. خودکارسازی گزارش‌گیری برای تصمیم‌گیری‌های کسب‌وکار
  • 31. اصول اخلاقی و حریم خصوصی در تحلیل داده‌ها
  • 32. کاربرد تحلیل داده در بهینه‌سازی فرآیندهای سازمانی
  • 33. استفاده از توابع شخصی‌سازی شده برای تحلیل‌های تکراری
  • 34. بررسی ساختارهای کنترلی و حلقه‌ها در برنامه‌نویسی R
  • 35. نمایش داشبوردهای تعاملی با استفاده از Shiny
  • 36. نکات پیشرفته در بهینه‌سازی کد برای داده‌های حجیم
  • 37. خروجی گرفتن و اشتراک‌گذاری نتایج تحلیل‌ها
  • 38. مرور پروژه‌های عملی و تحلیل‌های داده‌محور کسب‌وکار
تگ‌ها: Data Science R Programming تحلیل آماری تحلیل داده با R زبان برنامه‌نویسی R علم داده مدل‌سازی آماری مصورسازی داده‌ها هوش تجاری یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.