کتاب آموزش جامع برنامه‌نویسی R برای تحلیل داده‌های آماری و پژوهشی 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 آموزش جامع برنامه‌نویسی R برای تحلیل داده‌های آماری و پژوهشی

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: برنامه‌نویسی برای تحلیل داده‌ها

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مبانی و مفاهیم پایه در زبان برنامه‌نویسی R
  • 2. نصب و راه‌اندازی محیط توسعه R و RStudio
  • 3. آشنایی با محیط کاربری و مدیریت پروژه‌ها در RStudio
  • 4. انواع داده‌ها و متغیرها در زبان R
  • 5. عملگرهای محاسباتی و منطقی در تحلیل داده‌ها
  • 6. کار با بردارها و تعریف آرایه‌ها
  • 7. ساختار داده‌های ماتریس و عملیات ماتریسی
  • 8. کار با لیست‌ها در ذخیره‌سازی داده‌های ناهمگون
  • 9. مدیریت و کار با چارچوب‌های داده‌ای Data Frames
  • 10. فراخوانی و بارگذاری داده‌ها از فایل‌های CSV و Excel
  • 11. اصول پاک‌سازی و پیش‌پردازش داده‌های خام
  • 12. استفاده از بسته‌های نرم‌افزاری و مدیریت کتابخانه‌ها
  • 13. ساختارهای کنترلی و دستورات شرطی
  • 14. حلقه‌ها و تکرار در پردازش داده‌ها
  • 15. نوشتن توابع سفارشی برای محاسبات آماری
  • 16. مدیریت خطاها و اشکال‌زدایی در کدها
  • 17. استفاده از بسته dplyr برای دستکاری داده‌ها
  • 18. فیلتر کردن و مرتب‌سازی داده‌ها با قواعد منطقی
  • 19. تجمیع و خلاصه‌سازی داده‌ها با استفاده از دستورات گروهی
  • 20. ادغام و اتصال مجموعه‌های داده‌ای مختلف
  • 21. مبانی رسم نمودار در R با استفاده از دستورات پایه
  • 22. تجسم داده‌ها با استفاده از بسته ggplot2
  • 23. اصول طراحی نمودارهای پراکندگی و هیستوگرام
  • 24. رسم نمودارهای ستونی و جعبه‌ای برای تحلیل توزیع
  • 25. مدیریت رنگ‌ها و برچسب‌ها در نمودارهای آماری
  • 26. محاسبات آماری توصیفی و شاخص‌های مرکزی
  • 27. تحلیل پراکندگی و انحراف معیار در مجموعه‌های داده
  • 28. آشنایی با توزیع‌های احتمالی در R
  • 29. آزمون‌های فرضیه و محاسبه مقادیر P-value
  • 30. تحلیل همبستگی بین متغیرها
  • 31. رگرسیون خطی ساده و تفسیر ضرایب آن
  • 32. مقدمه‌ای بر رگرسیون چندگانه
  • 33. ارزیابی دقت مدل‌های آماری و تحلیل باقی‌مانده‌ها
  • 34. کار با داده‌های زمانی و سری‌های زمانی
  • 35. بهینه‌سازی کدهای R برای تحلیل داده‌های حجیم
  • 36. کار با مقادیر گمشده و روش‌های جایگزینی آن‌ها
  • 37. استفاده از ابزارهای گزارش‌سازی R Markdown
  • 38. تولید گزارش‌های تحلیلی و ارائه یافته‌های پژوهشی
  • 39. اصول مستندسازی کدهای آماری
  • 40. نکات اخلاقی و استانداردهای علمی در تحلیل داده‌ها و گزارش‌دهی
تگ‌ها: آمار و احتمالات با R آموزش زبان R برنامه‌نویسی R برنامه‌نویسی برای پژوهشگران تحلیل آماری با R تحلیل داده‌های آماری تحلیل داده‌های علمی علوم داده یادگیری R

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.