فلش‌کارت‌های آموزشی تسلط بر ابزارهای تحلیل و مصورسازی داده‌ها با مجموعه کتابخانه‌های Tidyverse

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسلط بر ابزارهای تحلیل و مصورسازی داده‌ها با مجموعه کتابخانه‌های Tidyverse

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: تحلیل و پردازش داده‌ها با زبان برنامه‌نویسی R

📋 سرفصل‌های دوره (100 موضوع)

• 1. آشنایی با محیط برنامه‌نویسی R و نصب بسته‌های Tidyverse
• 2. مبانی مدیریت پروژه و سازمان‌دهی فایل‌ها در RStudio
• 3. اصول کار با ساختار داده‌ای Tibble در مقایسه با Data Frame
• 4. فراخوانی و وارد کردن داده‌ها با بسته Readr
• 5. پاک‌سازی اولیه داده‌های خام با ابزارهای بسته Tidyr
• 6. مفهوم داده‌های مرتب و اصول چیدمان Tidy Data
• 7. تغییر شکل داده‌ها با استفاده از تابع Pivot Longer
• 8. تغییر شکل داده‌ها با استفاده از تابع Pivot Wider
• 9. جداسازی و ترکیب ستون‌ها در مجموعه‌داده‌های پیچیده
• 10. فیلتر کردن ردیف‌ها بر اساس شرایط منطقی با بسته Dplyr
• 11. انتخاب و مرتب‌سازی ستون‌ها در تحلیل داده‌ها
• 12. ایجاد متغیرهای جدید و محاسبات ستونی با تابع Mutate
• 13. خلاصه‌سازی داده‌ها و محاسبه شاخص‌های آماری با Summarize
• 14. گروه‌بندی داده‌ها و تحلیل‌های دسته‌بندی‌شده با Group By
• 15. ادغام و پیوند جداول داده‌ای با توابع Join
• 16. فیلترهای مجموعه‌ای و اشتراک داده‌ها با استفاده از توابع Set
• 17. اصول طراحی گرافیکی و مبانی بسته Ggplot2
• 18. ترسیم نمودارهای پراکندگی برای تحلیل همبستگی
• 19. ترسیم نمودارهای ستونی و توزیع فراوانی داده‌ها
• 20. تحلیل روند تغییرات با نمودارهای خطی
• 21. مدیریت مقیاس‌ها و محورها در نمودارهای آماری
• 22. شخصی‌سازی برچسب‌ها و عناوین در مصورسازی داده‌ها
• 23. کاربرد لایه‌ها و تم‌های گرافیکی در Ggplot2
• 24. مدیریت داده‌های زمانی و تقویمی با بسته Lubridate
• 25. کار با داده‌های متنی و رشته‌ها در بسته Stringr
• 26. اعمال توابع بر روی لیست‌ها با استفاده از Purrr
• 27. مدیریت خطاها و اشکال‌زدایی در کدهای R
• 28. تولید گزارش‌های پویا با استفاده از R Markdown
• 29. خروجی گرفتن و اشتراک‌گذاری تحلیل‌ها در قالب‌های استاندارد
• 30. بهینه‌سازی کدهای Tidyverse برای داده‌های حجیم
• 31. مستندسازی مراحل تحلیل داده برای قابلیت بازتولید
• 32. پروژه عملی تحلیل آماری یک مجموعه داده واقعی
• 33. استفاده از پایپ‌لاین‌های برنامه‌نویسی با عملگر Pipe
• 34. اعتبارسنجی داده‌ها و شناسایی مقادیر مفقود
• 35. مدیریت داده‌های پرت و اصلاح ناهنجاری‌های آماری
• 36. تلفیق ابزارهای آماری پایه با بسته‌های Tidyverse
• 37. ارائه نتایج تحلیل به صورت داشبوردهای کاربردی
• 38. اصول اخلاق در تحلیل داده و صیانت از حریم خصوصی اطلاعات
• 39. کاربرد تحلیل داده در تصمیم‌گیری‌های مدیریتی مبتنی بر شواهد
• 40. مرور نهایی و یکپارچه‌سازی ابزارهای تحلیل داده در R