کتاب جامع آموزش برنامه‌نویسی با زبان R برای تحلیل داده و پژوهش‌های کاربردی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع آموزش برنامه‌نویسی با زبان R برای تحلیل داده و پژوهش‌های کاربردی

موضوع کلی: علوم رایانه و تحلیل داده

موضوع میانی: برنامه‌نویسی آماری و تحلیل داده‌های علمی

📋 سرفصل‌های دوره (100 موضوع)

• 1. مبانی و تاریخچه زبان برنامه‌نویسی R در علوم داده
• 2. نصب و راه‌اندازی محیط توسعه R و RStudio
• 3. آشنایی با ساختار و رابط کاربری RStudio
• 4. متغیرها و انواع داده‌های پایه در R
• 5. کار با بردارها و عملیات ریاضی بر روی آن‌ها
• 6. مدیریت ماتریس‌ها و آرایه‌های چندبعدی
• 7. ساختار داده‌ای لیست‌ها در R
• 8. کار با فریم‌های داده و وارد کردن فایل‌های CSV
• 9. فراخوانی و نصب بسته‌های کاربردی از CRAN
• 10. استفاده از توابع پایه برای محاسبات آماری
• 11. ساختار‌های کنترلی و حلقه‌های تکرار در R
• 12. برنامه‌نویسی تابعی و تعریف توابع سفارشی
• 13. پاک‌سازی و پیش‌پردازش داده‌های خام
• 14. فیلتر کردن و انتخاب زیرمجموعه‌های داده
• 15. تغییر نام و اصلاح متغیرها در دیتاست
• 16. ادغام و الحاق جداول داده با استفاده از dplyr
• 17. خلاصه‌سازی داده‌ها و محاسبه شاخص‌های مرکزی
• 18. مدیریت مقادیر گمشده و داده‌های پرت
• 19. آشنایی با گرامر گرافیک در ggplot2
• 20. رسم نمودارهای پراکندگی و خطی
• 21. ایجاد نمودارهای ستونی و هیستوگرام
• 22. شخصی‌سازی محورها و برچسب‌های نمودار
• 23. تحلیل توصیفی داده‌های آماری
• 24. مفهوم توزیع‌های احتمالی در R
• 25. آزمون‌های فرض آماری پارامتریک
• 26. تست‌های آماری ناپارامتریک
• 27. همبستگی و تحلیل روابط بین متغیرها
• 28. مبانی رگرسیون خطی ساده
• 29. رگرسیون خطی چندگانه و تفسیر ضرایب
• 30. بررسی مفروضات مدل‌های رگرسیونی
• 31. کار با داده‌های سری زمانی
• 32. تجسم داده‌های جغرافیایی و نقشه‌ها
• 33. کار با داده‌های متنی و پردازش رشته‌ها
• 34. مدیریت تاریخ و زمان در تحلیل داده
• 35. کار با داده‌های حجیم و بهینه‌سازی حافظه
• 36. تولید گزارش‌های پویا با R Markdown
• 37. ساخت داشبوردهای تعاملی با Shiny
• 38. مستندسازی کدها و رعایت استانداردهای برنامه‌نویسی
• 39. تلفیق R با پایگاه‌های داده SQL
• 40. پروژه نهایی تحلیل داده‌های علمی و گزارش‌دهی پژوهشی