فلشکارتهای آموزشی آموزش جامع و گام به گام R برای تحلیل داده و رسم نمودار (R for Everyone)
دوره آموزش جامع R برای تحلیل داده و رسم نمودار آموزش جامع و گام به گام R برای تحلیل داده و رسم نمودار (R for Everyone) آیا آمادهاید تا قدرت پنهان در دادهها را کشف کنید و به یک متخصص تحلیل داده تبدیل...
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره آموزش جامع و گام به گام R برای تحلیل داده و رسم نمودار (R for Everyone)
موضوع کلی: آمار و تحلیل داده با زبان R
موضوع میانی: پیشنیازها و مقدمات زبان R
📋 سرفصلهای دوره
- 1. نصب R و RStudio: محیط کار شما
- 2. تور RStudio: آشنایی با پنلها
- 3. پروژههای R: مدیریت کد و داده
- 4. مفاهیم پایه R: شیء، تابع، آرگومان
- 5. کار با اسکریپتهای R: نوشتن و اجرا
- 6. انواع داده در R: عددی، کاراکتری، منطقی
- 7. معرفی وکتورها: ساخت و دستکاری
- 8. فاکتورها: مدیریت دادههای دستهای
- 9. معرفی ماتریسها: ساخت و عملیات پایه
- 10. لیستها: ساختارهای داده انعطافپذیر
- 11. دیتافریمها: ستون و ردیف، قلب تحلیل داده
- 12. دسترسی به عناصر دیتافریم: ($، [], [[]])
- 13. وارد کردن داده از CSV: read.csv و read_csv
- 14. وارد کردن داده از Excel: پکیج readxl
- 15. وارد کردن داده از پایگاه داده: DBI و RMySQL/RPostgreSQL
- 16. خروجی گرفتن داده: ذخیره سازی به فرمتهای مختلف
- 17. توابع پایه R: کار با وکتورها و ماتریسها
- 18. توابع پرکاربرد ریاضی: sum, mean, median, sd
- 19. توابع کاراکتری: paste, substr, grep
- 20. توابع منطقی: ifelse, any, all
- 21. فیلتر کردن ردیفها با base R
- 22. انتخاب ستونها با base R
- 23. تغییر نام ستونها با base R
- 24. افزودن ستون جدید با base R
- 25. ادغام دیتافریمها: cbind, rbind
- 26. ادغام دیتافریمها: merge
- 27. معرفی Tidyverse: فلسفه و ابزارها
- 28. پکیج dplyr: هسته دستکاری داده
- 29. select(): انتخاب و حذف ستونها
- 30. filter(): فیلتر کردن ردیفها
- 31. mutate(): ایجاد و تغییر ستونها
- 32. arrange(): مرتب سازی دادهها
- 33. summarise() و group_by(): خلاصه سازی گروهبندی شده
- 34. pipe operator (%>%) : خوانایی کد
- 35. join ها در dplyr: ادغام دیتافریمها (inner, left, right, full)
- 36. پکیج tidyr: تغییر شکل داده
- 37. pivot_longer(): تبدیل داده از عرضی به طولی
- 38. pivot_wider(): تبدیل داده از طولی به عرضی
- 39. separate() و unite(): تقسیم و ادغام ستونها
- 40. مدیریت مقادیر گمشده (NA)
- 41. شناسایی و حذف ردیفهای دارای NA
- 42. جایگزینی مقادیر NA
- 43. کار با دادههای تاریخ و زمان: lubridate
- 44. کار با دادههای متنی: stringr
- 45. تشخیص و مدیریت مقادیر پرت (Outliers)
- 46. تغییر نوع داده (Type Conversion)
- 47. مقدمهای بر رسم نمودار در R
- 48. معرفی ggplot2: گرامر گرافیک
- 49. ساختار اصلی ggplot2: aes, geom, data
- 50. نمودار پراکندگی (Scatter Plot)
- 51. نمودار خطی (Line Plot)
- 52. نمودار میلهای (Bar Plot)
- 53. هیستوگرام (Histogram)
- 54. نمودار جعبهای (Box Plot)
- 55. نمودار چگالی (Density Plot)
- 56. شخصیسازی نمودارها: برچسبها و عنوانها
- 57. تغییر رنگ و شکل نقاط/خطوط
- 58. تمها در ggplot2: ظاهر کلی نمودار
- 59. Faceting: تقسیم نمودارها بر اساس گروهها
- 60. ذخیره نمودارها: ggsave
- 61. مقدمهای بر آمار توصیفی
- 62. معیارهای گرایش مرکزی: میانگین، میانه، مد
- 63. معیارهای پراکندگی: واریانس، انحراف معیار، دامنه
- 64. نمایش تصویری دادههای توصیفی
- 65. مقدمهای بر آمار استنباطی
- 66. مفاهیم احتمال و توزیعها (نرمال، پواسون)
- 67. آزمون فرضیه: H0, H1, p-value
- 68. آزمونهای t: مقایسه میانگین دو گروه (یک نمونهای، مستقل، زوجی)
- 69. آنالیز واریانس (ANOVA): مقایسه میانگین چند گروه
- 70. ANOVA دو طرفه و تعاملات
- 71. همبستگی (Correlation): پیرسون، اسپیرمن
- 72. رگرسیون خطی ساده: مدلسازی رابطه بین دو متغیر
- 73. تفسیر خروجی مدل رگرسیون خطی
- 74. رگرسیون خطی چندگانه: چندین پیشبینیکننده
- 75. فرضیات رگرسیون خطی و بررسی آنها
- 76. آزمون خی دو (Chi-squared test): رابطه بین متغیرهای دستهای
- 77. آزمونهای ناپارامتری: مقدمه
- 78. آزمون ویلکاکسون (Wilcoxon): جایگزین t-test
- 79. آزمون کروسکال-والیس (Kruskal-Wallis): جایگزین ANOVA
- 80. مقدمهای بر رگرسیون لجستیک: پیشبینی متغیرهای دوتایی
- 81. تفسیر خروجی رگرسیون لجستیک
- 82. معرفی سریهای زمانی
- 83. تجزیه سریهای زمانی: روند، فصلی، باقیمانده
- 84. مدلهای ARIMA: خودهمبستگی و میانگین متحرک
- 85. پیشبینی با مدلهای سری زمانی
- 86. مقدمهای بر یادگیری ماشین در R
- 87. تقسیم داده به مجموعه آموزش و آزمون
- 88. رگرسیون k-نزدیکترین همسایه (k-NN)
- 89. درختهای تصمیم (Decision Trees)
- 90. جنگلهای تصادفی (Random Forests)
- 91. ماشینهای بردار پشتیبان (SVM)
- 92. ارزیابی مدلهای طبقهبندی: دقت، حساسیت، ویژگی
- 93. مقدمهای بر یادگیری ماشین بدون نظارت
- 94. خوشهبندی K-Means
- 95. خوشهبندی سلسله مراتبی (Hierarchical Clustering)
- 96. تحلیل مولفههای اصلی (PCA): کاهش ابعاد
- 97. تعریف توابع در R: ایجاد کد قابل استفاده مجدد
- 98. حلقهها (Loops) و توابع apply (sapply, lapply)
- 99. گزارشدهی با R Markdown: مستندات پویا
- 100. معرفی Shiny: ساخت وباپلیکیشنهای تعاملی
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
Graphics in R
R
R for Everyone
R Programming
آمار
آموزش R
برنامه نویسی R
پیش نیاز R
تحلیل آماری با R
تحلیل داده
دوره آموزش R
رسم نمودار
مقدمات R
یادگیری R
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.