فلش‌کارت‌های آموزشی جامع برنامه‌نویسی در R: از منطق شرطی تا توسعه بسته‌های کاربردی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع برنامه‌نویسی در R: از منطق شرطی تا توسعه بسته‌های کاربردی

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: برنامه‌نویسی برای تحلیل داده با زبان R

📋 سرفصل‌های دوره

• 1. آشنایی با محیط برنامه‌نویسی R و نصب RStudio
• 2. مدیریت فضای کاری و کار با پروژه‌ها در R
• 3. انواع داده‌های پایه و ساختارهای ذخیره‌سازی در R
• 4. کار با بردارها و عملیات ریاضی بر روی آن‌ها
• 5. مدیریت ماتریس‌ها و آرایه‌های چندبعدی
• 6. کار با لیست‌ها و ساختارهای داده‌ای ناهمگن
• 7. کار با دیتافریم‌ها و وارد کردن داده‌های خارجی
• 8. اصول مقدماتی برنامه‌نویسی و ساختار دستوری در R
• 9. استفاده از عملگرهای منطقی و رابطه‌ای
• 10. ساختار کنترل جریان با دستورات شرطی
• 11. پیاده‌سازی حلقه‌های تکرار برای پردازش داده‌ها
• 12. بهینه‌سازی کد با استفاده از توابع برداری (Vectorization)
• 13. مفاهیم اساسی در تعریف توابع شخصی‌سازی‌شده
• 14. مدیریت آرگومان‌ها و مقادیر بازگشتی در توابع
• 15. دامنه متغیرها و محیط‌های اجرایی در R
• 16. تکنیک‌های اشکال‌زدایی و مدیریت خطا در کد
• 17. کار با خانواده توابع apply برای پردازش داده
• 18. مدیریت رشته‌های متنی و کاراکترها
• 19. کار با داده‌های زمانی و تاریخ در R
• 20. آشنایی با بسته‌های استاندارد و مدیریت کتابخانه‌ها
• 21. اصول برنامه‌نویسی تابعی در R
• 22. کار با بسته‌های tidyverse برای تحلیل داده
• 23. تکنیک‌های پاک‌سازی و آماده‌سازی داده‌ها
• 24. ادغام و تغییر شکل ساختار داده‌ها با dplyr
• 25. مصورسازی داده‌ها با استفاده از ggplot2
• 26. اصول گزارش‌نویسی پویا با R Markdown
• 27. ساخت داشبوردهای تحلیلی با Shiny
• 28. بهینه‌سازی عملکرد کد و مدیریت حافظه
• 29. تولید مستندات فنی برای کدهای نوشته شده
• 30. اصول توسعه بسته‌های نرم‌افزاری در R
• 31. ساختار فایل‌بندی و استانداردهای بسته‌نویسی
• 32. مدیریت وابستگی‌ها و تست‌نویسی در بسته‌ها
• 33. انتشار و اشتراک‌گذاری بسته‌های توسعه‌یافته
• 34. کاربرد تحلیل‌های آماری در محیط R
• 35. پیاده‌سازی مدل‌های رگرسیون ساده و چندگانه
• 36. تحلیل داده‌های طبقه‌بندی شده و آماره‌های توصیفی
• 37. شبیه‌سازی‌های آماری و تولید اعداد تصادفی
• 38. کار با داده‌های حجیم و بهینه‌سازی خواندن فایل‌ها
• 39. اتصال R به پایگاه‌های داده رابطه‌ای
• 40. اخلاق در پردازش داده و رعایت حریم خصوصی کاربران
• 41. نکات تکمیلی در نگهداری و بروزرسانی پروژه‌های داده‌محور