کتاب آموزش جامع مدل‌سازی داده‌ها و تحلیل‌های کاربردی با ابزارهای Tidyverse 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 مدل‌سازی داده‌ها و تحلیل‌های کاربردی با ابزارهای Tidyverse

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: مدل‌سازی آماری با استفاده از زبان برنامه‌نویسی R

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مبانی محیط برنامه‌نویسی R و نصب بسته‌های Tidyverse
  • 2. ساختار داده‌ها و مدیریت داده‌های مرتب در Tidyverse
  • 3. وارد کردن و خواندن فایل‌های داده با ابزار Readr
  • 4. پاکسازی داده‌ها و مدیریت مقادیر گمشده با Tidyr
  • 5. تبدیل و دستکاری داده‌ها با استفاده از دستورات Dplyr
  • 6. تکنیک‌های فیلتر کردن و انتخاب متغیرها در تحلیل داده
  • 7. کاربرد تابع Mutate در ایجاد متغیرهای جدید برای مدل‌سازی
  • 8. تجمیع و خلاصه‌سازی داده‌ها با استفاده از Group By و Summarize
  • 9. اصول مصورسازی داده‌ها با کتابخانه Ggplot2
  • 10. رسم نمودارهای توزیع و تحلیل فراوانی متغیرها
  • 11. تحلیل همبستگی و نمایش روابط بین متغیرها
  • 12. مبانی آماری مدل‌سازی خطی و مفروضات آن
  • 13. پیاده‌سازی رگرسیون خطی ساده با تابع Lm
  • 14. تفسیر ضرایب رگرسیون و ارزیابی نیکویی برازش
  • 15. بررسی باقی‌مانده‌ها و تشخیص داده‌های پرت
  • 16. مدل‌سازی رگرسیون خطی چندگانه و انتخاب متغیرها
  • 17. استفاده از Tidymodels برای یکپارچه‌سازی فرآیند مدل‌سازی
  • 18. تقسیم داده‌ها به مجموعه‌های آموزش و آزمون
  • 19. اعتبارسنجی متقاطع برای ارزیابی پایداری مدل
  • 20. مبانی رگرسیون لجستیک برای تحلیل‌های طبقه‌بندی
  • 21. ارزیابی دقت مدل‌های طبقه‌بندی با ماتریس اغتشاش
  • 22. استفاده از منحنی ROC در تحلیل‌های احتمالات
  • 23. مدل‌سازی داده‌های سری زمانی با ابزارهای Tidyverse
  • 24. کاربرد تحلیل واریانس در مقایسه میانگین گروه‌ها
  • 25. مدل‌های خطی تعمیم‌یافته و کاربرد آن‌ها
  • 26. بهینه‌سازی پارامترهای مدل با استفاده از ابزارهای جستجو
  • 27. نحوه گزارش‌نویسی و مستندسازی تحلیل‌ها با Quarto
  • 28. ارائه نتایج مدل‌سازی در قالب‌های استاندارد علمی
  • 29. اخلاق در تحلیل داده و رعایت حریم خصوصی در پردازش اطلاعات
  • 30. پروژه نهایی تحلیل داده‌های واقعی و استخراج نتایج کاربردی
تگ‌ها: آموزش Tidyverse برنامه‌نویسی R تحلیل آماری تحلیل داده‌ها دیتا ساینس زبان برنامه نویسی R علم داده با R علوم داده مدل‌سازی آماری مدل‌سازی داده‌ها

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.