فلش‌کارت‌های آموزشی ساخت داشبوردهای تعاملی با Shiny در R

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت داشبوردهای تعاملی با Shiny در R

موضوع کلی: علوم داده و تحلیل آماری با نرم‌افزار

موضوع میانی: توسعهٔ برنامه‌های تعاملی و بصری‌سازی داده‌ها

📋 سرفصل‌های دوره

• 1. مقدمه ای بر علم داده و تحلیل آماری
• 2. نصب و پیکربندی زبان برنامه نویسی R
• 3. آشنایی با محیط یکپارچه توسعه RStudio
• 4. مبانی برنامه نویسی در R: متغیرها و انواع داده
• 5. ساختار داده ها در R: بردارها، ماتریس ها و لیست ها
• 6. کار با دیتافریم ها: ساخت، دستکاری و فیلتر کردن
• 7. عملیات پایه ای با داده ها: مرتب سازی و تجمیع
• 8. مقدمه ای بر بسته های R و مدیریت آنها
• 9. نصب و بارگذاری بسته های پرکاربرد
• 10. آشنایی با مفاهیم پایه ای بصری سازی داده ها
• 11. انتخاب نمودار مناسب برای نمایش داده ها
• 12. مقدمه ای بر بسته ggplot2 برای بصری سازی
• 13. ساخت نمودارهای پراکندگی (Scatter Plot)
• 14. رسم نمودارهای خطی (Line Plot)
• 15. ایجاد نمودارهای میله ای (Bar Plot)
• 16. رسم نمودارهای هیستوگرام (Histogram)
• 17. ساخت نمودارهای جعبه ای (Box Plot)
• 18. بصری سازی داده های آماری: نمودار چگالی (Density Plot)
• 19. کار با لایه ها در ggplot2
• 20. تغییر تم و ظاهر نمودارها
• 21. افزودن برچسب ها و عنوان به نمودارها
• 22. بصری سازی داده های جغرافیایی
• 23. مقدمه ای بر چارچوب Shiny
• 24. اجزای اصلی یک برنامه Shiny: UI و Server
• 25. ساخت اولین برنامه Shiny ساده
• 26. آشنایی با اجزای ورودی (Input Widgets)
• 27. ایجاد ورودی های متنی و عددی
• 28. کار با اسلایدرها (Sliders)
• 29. استفاده از چک باکس ها و دکمه های رادیویی
• 30. انتخابگرهای تاریخ و زمان
• 31. ایجاد ورودی های انتخابی (Select Inputs)
• 32. آشنایی با اجزای خروجی (Output Widgets)
• 33. نمایش جداول در Shiny
• 34. نمایش نمودارهای ggplot2 در Shiny
• 35. نمایش متن و تصاویر در Shiny
• 36. استفاده از خروجی های پویا (Dynamic Outputs)
• 37. مدیریت تعاملات بین ورودی و خروجی
• 38. واکنش گرا کردن برنامه ها با reactive
• 39. استفاده از observers برای اجرای کد
• 40. ایجاد برنامه های Shiny پیچیده تر
• 41. آشنایی با ساختار پروژه Shiny
• 42. سازماندهی فایل ها در پروژه های Shiny
• 43. استفاده از قالب های آماده (Templates)
• 44. مقدمه ای بر پایگاه داده ها
• 45. اتصال Shiny به پایگاه داده
• 46. خواندن داده ها از پایگاه داده در Shiny
• 47. نوشتن داده ها در پایگاه داده از Shiny
• 48. امنیت در برنامه های Shiny
• 49. به اشتراک گذاری برنامه های Shiny
• 50. استقرار برنامه های Shiny بر روی سرور
• 51. مقدمه ای برdashboards
• 52. ساخت داشبوردهای تعاملی با Shiny
• 53. استفاده از بسته shinydashboard
• 54. طراحی ساختار داشبورد
• 55. افزودن پنل ها و جعبه ها
• 56. کار با آیکون ها و رنگ ها
• 57. بصری سازی داده ها در داشبورد
• 58. نمایش جداول در داشبورد
• 59. استفاده از نمودارهای تعاملی
• 60. طراحی فرم ها در داشبورد
• 61. مدیریت ناوبری در داشبورد
• 62. استفاده از تب ها و صفحات مختلف
• 63. ساخت داشبوردهای مدیریتی
• 64. بصری سازی شاخص های کلیدی عملکرد (KPIs)
• 65. فیلتر کردن داده ها در داشبورد
• 66. مرتب سازی و جستجو در جداول داشبورد
• 67. طراحی داشبوردهای سفارشی
• 68. تست و بهینه سازی داشبوردهای Shiny
• 69. مقدمه ای بر تحلیل سری های زمانی
• 70. بصری سازی سری های زمانی در Shiny
• 71. تحلیل و پیش بینی سری های زمانی
• 72. کار با داده های مکانی در Shiny
• 73. بصری سازی داده های مکانی تعاملی
• 74. کار با نقشه ها در Shiny
• 75. ایجاد لایه های مختلف بر روی نقشه
• 76. تحلیل داده های آماری در Shiny
• 77. اجرای مدل های آماری در Shiny
• 78. بصری سازی نتایج مدل ها
• 79. مقدمه ای بر یادگیری ماشین
• 80. اجرای مدل های یادگیری ماشین در Shiny
• 81. بصری سازی نتایج پیش بینی
• 82. ملاحظات امنیتی در توسعه برنامه های وب
• 83. اصول طراحی رابط کاربری (UI/UX)
• 84. بهینه سازی عملکرد برنامه های Shiny
• 85. مدیریت خطاها و اشکال زدایی
• 86. نکات پیشرفته در Shiny
• 87. یادگیری مداوم و منابع تکمیلی
• 88. پروژه نهایی: ساخت یک داشبورد تحلیلی جامع