کتاب تحلیل و تصویرسازی داده‌های علمی با R: از پاک‌سازی تا گزارش‌دهی کاربردی 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 تحلیل و تصویرسازی داده‌های علمی با R: از پاک‌سازی تا گزارش‌دهی کاربردی

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: مصورسازی و پردازش داده‌ها با زبان برنامه‌نویسی R

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مبانی محیط برنامه‌نویسی R و نصب بسته‌های آماری
  • 2. آشنایی با ساختار داده‌ها در R و کار با بردارها
  • 3. مفاهیم اساسی در مدیریت داده‌های جدولی با Tidyverse
  • 4. فراخوانی و وارد کردن داده‌ها از فرمت‌های مختلف
  • 5. اصول پاک‌سازی داده‌های خام و مدیریت مقادیر مفقود
  • 6. تغییر ساختار داده‌ها با استفاده از توابع انتخاب و فیلتر
  • 7. ایجاد متغیرهای جدید و محاسبات ریاضی بر روی ستون‌ها
  • 8. تلفیق و ترکیب مجموعه‌های داده با استفاده از توابع پیوند
  • 9. خلاصه‌سازی آماری داده‌ها و گروه‌بندی اطلاعات
  • 10. ساختار لایه‌ای گرافیک در ggplot2
  • 11. ترسیم نمودارهای پراکندگی برای تحلیل همبستگی
  • 12. تصویرسازی توزیع داده‌ها با استفاده از هیستوگرام
  • 13. نمایش تغییرات زمانی با نمودارهای خطی
  • 14. مقایسه گروه‌ها با نمودارهای جعبه‌ای و ویولنی
  • 15. تکنیک‌های مدیریت برچسب‌ها و عناوین در نمودارها
  • 16. استفاده از تم‌های گرافیکی برای بهبود ظاهر گزارش‌ها
  • 17. تفکیک نمودارها با قابلیت Faceting برای تحلیل چندمتغیره
  • 18. کاربرد نمودارهای میله‌ای در نمایش داده‌های دسته‌ای
  • 19. تنظیم مقیاس‌ها و محورها در نمودارهای علمی
  • 20. مدیریت رنگ‌ها و پالت‌های استاندارد در مصورسازی
  • 21. کار با داده‌های متنی و استخراج الگوها در R
  • 22. تحلیل مقدماتی داده‌های سری زمانی
  • 23. به‌کارگیری توابع آماری برای آزمون‌های فرض پایه
  • 24. مدل‌سازی خطی ساده و نمایش خروجی‌های رگرسیون
  • 25. ایجاد جداول خلاصه و گزارش‌های آماری پویا
  • 26. کار با ابزارهای گزارش‌نویسی R Markdown
  • 27. تولید گزارش‌های علمی در قالب PDF و HTML
  • 28. اصول طراحی داشبوردهای تعاملی با Shiny
  • 29. بهینه‌سازی کدهای R برای تحلیل مجموعه‌های بزرگ داده
  • 30. مستندسازی پروژه‌های تحلیل داده مطابق استانداردهای پژوهشی
  • 31. بهترین شیوه‌ها در ارائه نتایج تحلیل به مخاطبان تخصصی
  • 32. مطالعه موردی: تحلیل و تصویرسازی یک مجموعه داده علمی واقعی
تگ‌ها: برنامه‌نویسی با R پردازش داده با R تحلیل آماری داده‌ها تحلیل داده‌های علمی زبان برنامه‌نویسی R علم داده گزارش‌گیری آماری مصورسازی داده‌ها

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.