فلش‌کارت‌های آموزشی جامع R: از مبانی تا محاسبات آماری پیشرفته (بر اساس کتاب Rizzo)

جامع R: از مبانی تا محاسبات آماری پیشرفته - دوره آموزشی بر اساس کتاب Rizzo جامع R: از مبانی تا محاسبات آماری پیشرفته (بر اساس کتاب Rizzo) معرفی دوره: تسلط بر R برای دنیای داده در دنیای امروز که غرق در...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 99,988 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 جامع R: از مبانی تا محاسبات آماری پیشرفته (بر اساس کتاب Rizzo)

موضوع کلی: علوم کامپیوتر و تحلیل داده

موضوع میانی: محاسبات آماری و برنامه‌نویسی با R

📋 سرفصل‌های دوره

  • 1. مبانی R و محیط توسعه
  • 2. نصب و راه‌اندازی R و RStudio
  • 3. آشنایی با ساختار داده در R: بردارها، ماتریس‌ها، لیست‌ها
  • 4. عملگرهای پایه و عملیات ریاضی در R
  • 5. توابع و ساختارهای کنترلی در R (if/else, for, while)
  • 6. خواندن و نوشتن داده‌ها در R (csv, txt, excel)
  • 7. وارد کردن بسته‌ها و کتابخانه‌ها در R
  • 8. آشنایی با دیتا فریم‌ها و کار با آن‌ها
  • 9. فیلتر کردن و انتخاب داده‌ها در R
  • 10. مرتب‌سازی داده‌ها در R
  • 11. گروه‌بندی و خلاصه‌سازی داده‌ها در R
  • 12. تجمیع داده‌ها در R
  • 13. مدیریت مقادیر گمشده در R (NA)
  • 14. تبدیل انواع داده‌ها در R
  • 15. توابع ورودی و خروجی در R
  • 16. اشکال زدایی و خطایابی کد در R
  • 17. آشنایی با برنامه‌نویسی شی‌گرا در R
  • 18. ساختارهای داده‌ پیچیده‌تر: آرایه‌ها و لیست‌های تودرتو
  • 19. مقدمه‌ای بر گرافیک در R: پایه و اساس
  • 20. ایجاد نمودارهای ساده: هیستوگرام، نمودار میله‌ای، نمودار پراکندگی
  • 21. سفارشی‌سازی نمودارها در R: رنگ، عنوان، برچسب‌ها
  • 22. بسته‌ی ggplot2: مقدمه‌ای بر "گرافیک زیبا"
  • 23. ایجاد نمودارهای پیشرفته با ggplot2
  • 24. ترسیم چند نمودار در یک صفحه
  • 25. آمار توصیفی: مفاهیم اولیه
  • 26. محاسبه‌ی شاخص‌های مرکزی و پراکندگی
  • 27. آزمون‌های آماری مقدماتی: t-test, chi-squared
  • 28. مقدمه‌ای بر توزیع‌های احتمالاتی
  • 29. توزیع نرمال و کاربردهای آن
  • 30. توزیع‌های گسسته: binomial, poisson
  • 31. آزمون فرض آماری و مفهوم p-value
  • 32. فاصله‌های اطمینان
  • 33. همبستگی و رگرسیون خطی ساده
  • 34. رگرسیون چندگانه
  • 35. تشخیص و برخورد با داده‌های پرت
  • 36. ارزیابی مدل‌های رگرسیونی
  • 37. انتخاب مدل رگرسیونی مناسب
  • 38. مقدمه‌ای بر روش‌های بوت‌استرپ
  • 39. بوت‌استرپ برای محاسبه‌ی فواصل اطمینان
  • 40. بوت‌استرپ برای تخمین پارامترها
  • 41. مقدمه‌ای بر روش‌های مونت‌کارلو
  • 42. تولید اعداد تصادفی
  • 43. استفاده از مونت‌کارلو برای انتگرال‌گیری
  • 44. شبیه‌سازی با استفاده از مونت‌کارلو
  • 45. آشنایی با بسته‌ی dplyr
  • 46. عملیات join در dplyr
  • 47. استفاده از pipe (%>%) در dplyr
  • 48. آشنایی با بسته‌ی tidyr
  • 49. بازآرایی داده‌ها با tidyr
  • 50. پاکسازی و آماده‌سازی داده‌ها با tidyr
  • 51. مقدمه‌ای بر برنامه‌نویسی تابعی در R
  • 52. توابع apply, lapply, sapply
  • 53. استفاده از anonymouse functions
  • 54. آشنایی با بسته‌ی data.table
  • 55. عملکرد data.table برای عملیات داده‌ای
  • 56. مقایسه‌ی data.table با data.frame
  • 57. کار با داده‌های بزرگ
  • 58. خواندن و نوشتن داده‌های بزرگ
  • 59. بهینه‌سازی کد R برای عملکرد بهتر
  • 60. آشنایی با Parallel Computing در R
  • 61. استفاده از کتابخانه‌ی parallel
  • 62. تقسیم کار در محاسبات موازی
  • 63. آشنایی با Rcpp و ادغام C++
  • 64. ایجاد بسته‌های R
  • 65. مستندسازی و انتشار بسته‌های R
  • 66. مدیریت پروژه در R
  • 67. استفاده از Git و GitHub برای مدیریت نسخه
  • 68. مقدمه‌ای بر مدل‌سازی آماری
  • 69. مدل‌های خطی تعمیم‌یافته (GLM)
  • 70. رگرسیون لجستیک
  • 71. رگرسیون پواسون
  • 72. مقدمه‌ای بر سری‌های زمانی
  • 73. تحلیل سری‌های زمانی با R
  • 74. پیش‌بینی سری‌های زمانی
  • 75. خوشه‌بندی (Clustering)
  • 76. روش K-means
  • 77. خوشه‌بندی سلسله‌مراتبی
  • 78. ارزیابی خوشه‌بندی
  • 79. کاهش ابعاد (Dimensionality Reduction)
  • 80. تحلیل مولفه‌های اصلی (PCA)
  • 81. تحلیل عاملی
  • 82. یادگیری ماشینی: مقدمه‌ای
  • 83. درخت تصمیم (Decision Tree)
  • 84. ماشین بردار پشتیبان (SVM)
  • 85. انتخاب مدل و ارزیابی
  • 86. اعتبارسنجی متقابل (Cross-validation)
  • 87. روش‌های انتخاب ویژگی
  • 88. تنظیم پارامترهای مدل
  • 89. آشنایی با شبکه‌های عصبی
  • 90. پیاده‌سازی شبکه‌های عصبی در R
  • 91. آشنایی با بسته caret
  • 92. انتخاب و ترکیب مدل‌ها با caret
  • 93. تجسم داده‌های پیشرفته
  • 94. ساخت نقشه‌های تعاملی با leaflet
  • 95. آمار بیزی: مقدمه‌ای
  • 96. شبیه‌سازی زنجیره مارکوف مونت‌کارلو (MCMC)
  • 97. مفاهیم Bayesian inference
  • 98. تجزیه و تحلیل داده‌های فضایی
  • 99. تحلیل بقا (Survival Analysis)
  • 100. روش‌های اعتبارسنجی مدل
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.

تصویر نمونه اول از سامانه آموزشی و فلش‌کارت‌ها
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه دوم از سامانه آموزشی و فلش‌کارت‌ها
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه سوم از سامانه آموزشی و فلش‌کارت‌ها
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه چهارم از سامانه آموزشی و فلش‌کارت‌ها
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: R R برای آمار R پیشرفته R مقدماتی Statistical Computing with R آمار با R آموزش R آموزش محاسبات آماری با R برنامه نویسی R تحلیل داده دیتا ساینس علوم کامپیوتر کتاب Rizzo محاسبات آماری یادگیری R

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.