فلشکارتهای آموزشی تحلیل داده و بصریسازی کاربردی با R: یک رویکرد مثال-محور
تحلیل داده و بصریسازی کاربردی با R: یک رویکرد مثال-محور تحلیل داده و بصریسازی کاربردی با R: یک رویکرد مثال-محور معرفی دوره: از دادهها به دانش، با قدرت R آیا میخواهید به دنیای هیجانانگیز علم داده ...
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره تحلیل داده و بصریسازی کاربردی با R: یک رویکرد مثال-محور
موضوع کلی: علم داده (Data Science)
موضوع میانی: تحلیل و بصریسازی دادهها
📋 سرفصلهای دوره
- 1. مقدمهای بر علم داده و R
- 2. نصب و پیکربندی R و RStudio
- 3. مقدمهای بر زبان R: ساختار و انواع داده
- 4. متغیرها و عملگرها در R
- 5. ساختارهای داده در R: بردارها
- 6. ساختارهای داده در R: ماتریسها
- 7. ساختارهای داده در R: آرایهها
- 8. ساختارهای داده در R: فاکتورها
- 9. ساختارهای داده در R: لیستها
- 10. ساختارهای داده در R: دیتافریمها
- 11. وارد کردن دادهها از فایلهای CSV
- 12. وارد کردن دادهها از فایلهای Excel
- 13. وارد کردن دادهها از پایگاههای داده
- 14. پاکسازی دادهها: شناسایی دادههای گمشده
- 15. پاکسازی دادهها: مدیریت دادههای گمشده
- 16. پاکسازی دادهها: شناسایی و مدیریت دادههای پرت (Outliers)
- 17. تبدیل و بازسازی دادهها
- 18. تغییر شکل (Reshaping) دادهها: طولانی به عریض
- 19. تغییر شکل (Reshaping) دادهها: عریض به طولانی
- 20. عملیات پایهای روی دیتافریمها
- 21. فیلتر کردن ردیفها در دیتافریمها
- 22. انتخاب ستونها در دیتافریمها
- 23. مرتبسازی دیتافریمها
- 24. گروهبندی و خلاصهسازی دادهها (GroupBy and Summarize)
- 25. استفاده از dplyr برای دستکاری دادهها
- 26. پایپلایننویسی (Piping) با dplyr
- 27. ادغام (Merging) دیتافریمها: ادغام داخلی (Inner Join)
- 28. ادغام (Merging) دیتافریمها: ادغام چپ (Left Join)
- 29. ادغام (Merging) دیتافریمها: ادغام راست (Right Join)
- 30. ادغام (Merging) دیتافریمها: ادغام کامل (Full Join)
- 31. ادغام (Merging) دیتافریمها: ادغام مقایسه (Semi/Anti Join)
- 32. آمارهای توصیفی: میانگین، میانه، مد
- 33. آمارهای توصیفی: واریانس، انحراف معیار
- 34. آمارهای توصیفی: چارکها و دامنه بین چارکی (IQR)
- 35. آمارهای توصیفی: نمودار جعبهای (Boxplot) برای خلاصه توزیع
- 36. آمارهای توصیفی: هیستوگرام برای توزیع دادهها
- 37. آمارهای توصیفی: نمودار فراوانی (Frequency Plot)
- 38. آمارهای توصیفی: جدول فراوانی (Frequency Table)
- 39. مقدمهای بر بصریسازی دادهها با R
- 40. نمودارهای پایهای R: scatterplot
- 41. نمودارهای پایهای R: line plot
- 42. نمودارهای پایهای R: bar plot
- 43. نمودارهای پایهای R: pie chart
- 44. تنظیمات نمودارهای پایهای R: عنوان، برچسب محورها
- 45. تنظیمات نمودارهای پایهای R: رنگ، اندازه، نوع نقطه
- 46. تنظیمات نمودارهای پایهای R: افزودن خطوط راهنما
- 47. بصریسازی پیشرفته با ggplot2: مقدمه
- 48. ساختار ggplot2: لایهها (Layers)
- 49. ساختار ggplot2: نگاشت زیباییشناختی (Aesthetics Mapping)
- 50. ساختار ggplot2: هندسهها (Geometries)
- 51. ساختار ggplot2: فاکتورهای زیباییشناختی (Aesthetic Mappings)
- 52. ساختار ggplot2: مقیاسها (Scales)
- 53. ساختار ggplot2: فیسِتینگ (Faceting) برای نمودارهای چندگانه
- 54. نمودار scatterplot با ggplot2
- 55. نمودار scatterplot رنگی و اندازهگذاری شده با ggplot2
- 56. نمودار خطی با ggplot2
- 57. نمودار میلهای با ggplot2
- 58. نمودار جعبهای (Boxplot) با ggplot2
- 59. نمودار ویولن (Violin Plot) با ggplot2
- 60. نمودار هیستوگرام با ggplot2
- 61. نمودار نمودار چگالی (Density Plot) با ggplot2
- 62. نمودار نمودار تجمعی (Bar Plot) با ggplot2
- 63. نمودار scatterplot ماتریس (Scatterplot Matrix)
- 64. نمودار heatmap
- 65. نمودار bubble chart
- 66. نمودار pie chart با ggplot2 (به جای نمودار دایرهای)
- 67. نمودار donut chart
- 68. نمودارهای زمانبندی (Time Series Plots)
- 69. نمودارهای جغرافیا (Geographic Plots) با استفاده از بستههای مرتبط
- 70. نکات پیشرفته در ggplot2: مضامین (Themes)
- 71. نکات پیشرفته در ggplot2: استفاده از annotation
- 72. نکات پیشرفته در ggplot2: ایجاد نمودارهای تعاملی (Interactive Plots)
- 73. نکات پیشرفته در ggplot2: سفارشیسازی عناوین و برچسبها
- 74. نکات پیشرفته در ggplot2: کنترل محدودههای محورها
- 75. نکات پیشرفته در ggplot2: استفاده از نمودارهای ترکیبی
- 76. مقدمهای بر آمار استنباطی
- 77. آزمون فرض آماری: t-test
- 78. آزمون فرض آماری: ANOVA
- 79. آزمون فرض آماری: Chi-squared test
- 80. رگرسیون خطی ساده
- 81. رگرسیون خطی چندگانه
- 82. ارزیابی مدل رگرسیون: R-squared
- 83. ارزیابی مدل رگرسیون: p-values
- 84. ارزیابی مدل رگرسیون: تحلیل باقیماندهها (Residual Analysis)
- 85. پیشبینی با مدل رگرسیون
- 86. مقدمهای بر یادگیری ماشین
- 87. تقسیم دادهها به مجموعه آموزش و آزمون
- 88. تکنیکهای انتخاب ویژگی (Feature Selection)
- 89. مدلهای دستهبندی: رگرسیون لجستیک
- 90. مدلهای دستهبندی: ماشین بردار پشتیبان (SVM)
- 91. مدلهای دستهبندی: درخت تصمیم (Decision Tree)
- 92. مدلهای دستهبندی: جنگل تصادفی (Random Forest)
- 93. ارزیابی مدلهای دستهبندی: ماتریس درهمریختگی (Confusion Matrix)
- 94. ارزیابی مدلهای دستهبندی: دقت (Accuracy)
- 95. ارزیابی مدلهای دستهبندی: صحت (Precision)، بازیابی (Recall)، F1-Score
- 96. ارزیابی مدلهای دستهبندی: منحنی ROC و AUC
- 97. مدلهای رگرسیون: پیشبینی مقادیر پیوسته
- 98. مدلهای رگرسیون: درخت تصمیم برای رگرسیون
- 99. مدلهای رگرسیون: جنگل تصادفی برای رگرسیون
- 100. خوشهبندی (Clustering): الگوریتم K-Means
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:
Data Analysis
Data Science
Data Visualization
R
R Programming
Statistical Analysis
آمار
برنامه نویسی R
بصری سازی داده
تجسم داده
تحلیل آماری
تحلیل داده
دیتا ساینس
علم داده
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.