فلشکارتهای آموزشی برنامهنویسی آماری با R: نقشه راه شما برای تحلیل داده
برنامهنویسی آماری با R: نقشه راه شما برای تحلیل داده برنامهنویسی آماری با R: نقشه راه شما برای تحلیل داده آیا رویای تبدیل شدن به یک تحلیلگر داده ماهر را در سر دارید؟ آیا میخواهید با قدرتمندترین ابز...
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره برنامهنویسی آماری با R: نقشه راه شما برای تحلیل داده
موضوع کلی: تجزیه و تحلیل داده
موضوع میانی: برنامهنویسی آماری با R
📋 سرفصلهای دوره
- 1. مقدمهای بر R و RStudio: چرا R برای تحلیل داده؟
- 2. نصب R و RStudio روی سیستمعاملهای مختلف
- 3. آشنایی با محیط کاربری RStudio: کنسول، اسکریپت، محیط و نمودارها
- 4. اولین دستورات در R: استفاده از R به عنوان یک ماشین حساب
- 5. دریافت راهنمایی در R: توابع `help()` و `?`
- 6. پکیجها (Packages) در R: نصب و فراخوانی کتابخانهها
- 7. مدیریت فضای کاری (Workspace) و پروژهها در RStudio
- 8. متغیرها و عملگر تخصیص (Assignment)
- 9. انواع دادههای پایه: عددی (Numeric)، صحیح (Integer)، کاراکتری (Character) و منطقی (Logical)
- 10. مقادیر ویژه: `NA`، `NaN`، `Inf` و `-Inf`
- 11. بررسی و تبدیل انواع دادهها (Coercion)
- 12. عملگرهای حسابی و مقایسهای
- 13. عملگرهای منطقی: AND, OR, NOT
- 14. مقدمهای بر ساختارهای داده در R
- 15. وکتورها (Vectors): سنگ بنای R
- 16. ایجاد وکتورها با `c()`, `seq()` و `rep()`
- 17. عملیات ریاضی روی وکتورها (Vectorization)
- 18. اندیسگذاری (Indexing) و انتخاب زیرمجموعه (Subsetting) در وکتورها
- 19. فیلتر کردن وکتورها با استفاده از اندیسگذاری منطقی
- 20. توابع پایه برای کار با وکتورها: `length()`, `sum()`, `mean()`
- 21. ماتریسها (Matrices): ایجاد و کاربردها
- 22. عملیات ریاضی روی ماتریسها
- 23. اندیسگذاری و انتخاب زیرمجموعه در ماتریسها
- 24. آرایهها (Arrays): ساختارهای چندبعدی
- 25. لیستها (Lists): نگهداری انواع مختلف داده
- 26. ایجاد و اندیسگذاری لیستها: `$`، `[[ ]]` و `[ ]`
- 27. دیتافریمها (Data Frames): ساختار اصلی برای دادههای جدولی
- 28. ایجاد یک دیتافریم از ابتدا
- 29. بررسی ساختار دیتافریم: `str()`, `summary()`, `head()`, `tail()`
- 30. انتخاب ستونها و سطرها در دیتافریم
- 31. فاکتورها (Factors): کار با دادههای دستهای (Categorical)
- 32. تبدیل متغیرها به فاکتور و کار با سطوح (Levels)
- 33. مقدمهای بر جریان کنترل (Control Flow)
- 34. دستورات شرطی: `if`, `else if`, `else`
- 35. تابع برداری `ifelse()` برای عملیات شرطی
- 36. حلقههای تکرار: حلقه `for`
- 37. حلقههای تکرار: حلقه `while`
- 38. حلقههای تکرار: حلقه `repeat` و دستورات `break` و `next`
- 39. چرا و چگونه از حلقهها اجتناب کنیم: قدرت Vectorization
- 40. خانواده توابع `apply()`: اعمال یک تابع روی ماتریس یا آرایه
- 41. توابع `lapply()` و `sapply()`: اعمال تابع روی لیستها و وکتورها
- 42. تابع `tapply()`: اعمال تابع بر اساس گروهها
- 43. نوشتن توابع سفارشی: چرا و چگونه؟
- 44. آناتومی یک تابع در R: آرگومانها، بدنه و مقدار بازگشتی
- 45. تعریف مقادیر پیشفرض برای آرگومانها
- 46. محدوده متغیرها (Variable Scope): متغیرهای محلی و سراسری
- 47. مدیریت خطا و هشدار در توابع: `stop()` و `warning()`
- 48. اشکالزدایی (Debugging) کد: استفاده از `browser()` و `traceback()`
- 49. توابع ناشناس (Anonymous Functions)
- 50. خواندن دادهها از فایلهای CSV با `read.csv()`
- 51. نوشتن دادهها در فایلهای CSV با `write.csv()`
- 52. خواندن فایلهای متنی دیگر با `read.table()`
- 53. خواندن داده از فایلهای اکسل (با استفاده از پکیج `readxl`)
- 54. ذخیره و بارگذاری اشیاء R با `save()` و `load()`
- 55. مقدمهای بر فلسفه Tidyverse: دادههای مرتب (Tidy Data)
- 56. اپراتور پایپ (`%>%`): زنجیر کردن دستورات برای خوانایی بهتر
- 57. انتخاب ستونها با `select()` از پکیج `dplyr`
- 58. فیلتر کردن سطرها بر اساس شرط با `filter()`
- 59. مرتبسازی سطرها با `arrange()`
- 60. ایجاد ستونهای جدید با `mutate()`
- 61. خلاصهسازی دادهها با `summarise()`
- 62. عملیات گروهی با `group_by()`
- 63. ترکیب `group_by()` و `summarise()` برای تحلیلهای گروهی
- 64. تغییر شکل دادهها از عریض به طویل با `pivot_longer()`
- 65. تغییر شکل دادهها از طویل به عریض با `pivot_wider()`
- 66. ادغام دیتافریمها: مقدمهای بر انواع Join
- 67. ادغام mutating: `inner_join()` و `left_join()`
- 68. کار با دادههای متنی: مقدمهای بر پکیج `stringr`
- 69. کار با تاریخ و زمان: مقدمهای بر پکیج `lubridate`
- 70. مقدمهای بر مصورسازی داده با `ggplot2`: گرامر گرافیک
- 71. اولین نمودار با `ggplot2`: تابع `ggplot()` و زیباییشناسی (`aes`)
- 72. نمودار نقطهای (Scatter Plot) با `geom_point()`
- 73. نمودار خطی (Line Plot) با `geom_line()`
- 74. نمودار میلهای (Bar Chart) با `geom_bar()`
- 75. هیستوگرام و نمودار چگالی برای توزیع دادهها
- 76. نمودار جعبهای (Box Plot) و نمودار ویولن (Violin Plot)
- 77. شخصیسازی زیباییشناسی: رنگ، اندازه، شکل و شفافیت
- 78. تقسیم نمودار به زیرنمودارها با `facet_wrap()` و `facet_grid()`
- 79. تنظیم محورها، مقیاسها و محدودهها
- 80. افزودن عنوان، زیرنویس و برچسب به نمودارها (`labs()`)
- 81. تغییر تم و ظاهر کلی نمودار با `theme()`
- 82. ذخیره نمودارها با کیفیت بالا با `ggsave()`
- 83. آمار توصیفی در R: `summary()`, `mean()`, `median()`, `sd()`
- 84. توزیعهای احتمال در R: نرمال، دوجملهای، پواسون
- 85. شبیهسازی و تولید اعداد تصادفی
- 86. آزمون فرض: مقدمه و مفاهیم کلیدی
- 87. آزمون تی تکنمونهای (One-Sample t-test)
- 88. آزمون تی دو نمونه مستقل (Independent Two-Sample t-test)
- 89. آزمون تی زوجی (Paired t-test)
- 90. همبستگی (Correlation) و کوواریانس (Covariance)
- 91. رگرسیون خطی ساده (Simple Linear Regression) با `lm()`
- 92. تفسیر خروجی مدل رگرسیون: `summary(lm)`
- 93. بررسی مفروضات و تشخیص مدل رگرسیون
- 94. رگرسیون خطی چندگانه (Multiple Linear Regression)
- 95. استفاده از متغیرهای دستهای به عنوان پیشبین در رگرسیون
- 96. تحلیل واریانس (ANOVA) یکطرفه
- 97. آزمون کای-دو (Chi-squared Test) برای جداول توافقی
- 98. مقدمهای بر رگرسیون لجستیک برای متغیرهای پاسخ دوتایی
- 99. گزارشنویسی تکرارپذیر با R Markdown
- 100. ایجاد یک گزارش ساده در R Markdown: کد، متن و خروجی
SMART LEARNING PLATFORM
از مطالعه تا یادگیری ماندگار
فراتر از یک مجموعه فلشکارت؛ تجربهای تعاملی برای یادگیری، تمرین، مرور هوشمند و مشاهده مسیر پیشرفت شما، همراه با امکان دریافت گواهی پایان دوره در دورههای واجد شرایط.
مرور فاصلهدار
آمار یادگیری
گواهی دوزبانه
یادگیری را به یک مسیر قابل پیگیری تبدیل کنید
با ورود به سامانه آموزشی، محتوای دوره را بهصورت مرحلهای دنبال کنید، فلشکارتها را مرور کنید، دانش خود را با پرسشها و آزمونها بسنجید و روند پیشرفتتان را در طول مسیر ببینید.
⟳
مرور فاصلهدار هوشمند
با مرور زماندار، کارتهای تازه و کارتهای سررسیدشده را بر اساس برنامه مرور دنبال کنید. ارزیابی پاسخها به زمانبندی مرورهای بعدی کمک میکند تا تمرین متناسبتری داشته باشید.
◉
مشاهده مسیر پیشرفت
میزان مشاهده فلشکارتها، فعالیتهای مرور، عملکرد آزمونها و آمار یادگیری را بررسی کنید و تصویر روشنتری از مسیر آموزشی خود داشته باشید.
▤
یادگیری مرحلهبهمرحله
فصلها و بخشهای آموزشی را به ترتیب دنبال کنید، مطالب دیدهنشده را پیدا کنید و بدون سردرگمی به ادامه مسیر برگردید.
✓
تمرین و سنجش آموختهها
با نکتههای آموزشی، پرسش و پاسخ، کوییزها و آزمونهای پایان فصل، دانستههای خود را تمرین کنید و بخشهایی را که به توجه بیشتری نیاز دارند بشناسید.
SMART REVIEW
هر بار، مرور هدفمندتر
لازم نیست هر روز از ابتدا درباره اینکه چه چیزی را مرور کنید تصمیم بگیرید. سامانه، صف مرور روزانه را بر اساس کارتهای تازه و موعد مرور کارتها آماده میکند. شما پاسخ را ارزیابی میکنید و برنامه مرور با توجه به آن تنظیم میشود.
دوباره
برای کارتهایی که به تمرین زودتر نیاز دارند.
سخت
برای پاسخهایی که با دشواری به یاد آمدهاند.
خوب
برای پاسخهایی که بهدرستی به یاد آوردهاید.
آسان
برای کارتهایی که پاسخ آنها را بهآسانی میدانید.
برنامه مرور بر اساس ارزیابی شما تنظیم میشود؛ مرور منظم میتواند به تثبیت آموختهها کمک کند، اما بهتنهایی تضمینکننده تسلط کامل نیست.
محتوا را به شیوههای مختلف تمرین کنید
ساختار دورهها متناسب با موضوع آموزشی طراحی شده است و ممکن است انواع مختلفی از محتوا را در بر بگیرد.
نکتههای ساده
برای مرور سریع مفاهیم اصلی و نکات کلیدی.
نکتههای رسمی
برای تمرین تعاریف، اصطلاحات و بیان دقیق علمی.
کوییز
برای سنجش درک مطلب و بررسی گزینه صحیح.
پرسش و پاسخ
برای تمرین یادآوری و سنجش میزان تسلط بر مطالب.
محتوای هر دوره بر اساس ساختار و امکانات فعال همان دوره ارائه میشود.
LEARN ANYWHERE
همراه شما روی مرورگر
برای استفاده از نسخه تحت وب، کافی است با حساب کاربری خود وارد سامانه شوید. بدون نیاز به نصب یک برنامه اختصاصی، میتوانید از مرورگر سازگار روی گوشی، تبلت یا رایانه به دورههای در دسترس خود مراجعه کنید.
گوشی هوشمند
برای مطالعه در زمانهای کوتاه
تبلت و لپتاپ
برای مطالعه و مرور راحتتر
حساب کاربری شخصی
برای دسترسی به دورههای مجاز شما
COURSE COMPLETION CERTIFICATE
گواهی پایان دوره؛ ثبت دستاورد شما
در دورههایی که امکان دریافت گواهی برای آنها فعال است، میتوانید پس از تکمیل شرایط آموزشی، درخواست گواهی پایان دوره ثبت کنید.
شرایط درخواست گواهی
✓ داشتن دسترسی دارای قابلیت گواهی برای دوره مربوطه.
✓ تکمیل اطلاعات لازم در پروفایل، شامل کد ملی معتبر، عکس پرسنلی و نام و نام خانوادگی انگلیسی.
✓ مشاهده تمام فلشکارتهای فعال دوره.
✓ قبولی در آزمونهای پایان فصل، در صورت وجود آزمون برای فصلها.
فارسی و انگلیسی
پس از تأیید و انتشار، نسخههای فارسی و انگلیسی گواهی در دسترس قرار میگیرند.
استعلام آنلاین
گواهی منتشرشده دارای QR Code و لینک اختصاصی برای بررسی آنلاین اعتبار آن است.
دانلود و چاپ
پس از انتشار گواهی، امکان دریافت نسخه PDF فارسی و انگلیسی و چاپ آن فراهم است.
توجه: ثبت درخواست به معنای صدور قطعی نیست. درخواست گواهی پس از بررسی و تأیید ادمین منتشر میشود. این گواهی، گواهی پایان دوره آموزشی است و بهخودیخود معادل مدرک دانشگاهی یا مدرک رسمی مورد تأیید نهادهای دولتی نیست.
یادگیری را شروع کنید؛ پیشرفت را دنبال کنید
با تمرین منظم، مرور هدفمند و پیگیری مسیر آموزشی خود، قدمبهقدم دانش و مهارتهایتان را گسترش دهید.
هر کارت، یک قدم به جلو
امکانات محتوایی، مرور و گواهی بر اساس سطح دسترسی و تنظیمات هر دوره متفاوت است.
نگاهی به محیط سامانه
یادگیری هوشمند، قدمبهقدم
با محیط سامانه آموزشی آشنا شوید و نمونههایی از فضای یادگیری، فلشکارتها و ابزارهای مرور و تمرین را مشاهده کنید.
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
امکانات بیشتر سامانه
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری فراتر از مطالعه معمولی
با فلشکارتهای آموزشی، مرور هدفمند و تمرین مستمر، مطالب را فعالانه یاد بگیرید و مسیر پیشرفت خود را دنبال کنید.
تگها:
A First Course in Statistical Programming with R
Data Analysis
R
R for Data Science
R Programming
Statistical Programming
آماری R
آموزش R
برنامهنویسی آماری
تحلیل داده
دوره R
مبانی R
مقدمه R
یادگیری R
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.