کتاب صوتی مقدمه‌ای بر برنامه‌نویسی R برای تحلیل داده‌ها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر برنامه‌نویسی R برای تحلیل داده‌ها

موضوع کلی: علوم کامپیوتر و تحلیل داده

موضوع میانی: برنامه‌نویسی برای تحلیل داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده و زبان برنامه‌نویسی R
• 2. نصب و راه‌اندازی محیط R و RStudio
• 3. آشنایی با انواع داده‌ها در R
• 4. ساختارهای داده‌ای پایه: بردارها
• 5. کار با ماتریس‌ها در R
• 6. آشنایی با آرایه‌ها
• 7. ساختارهای داده‌ای: لیست‌ها
• 8. فریم‌های داده (Data Frames)
• 9. عملیات پایه روی فریم‌های داده
• 10. بارگذاری و ذخیره داده‌ها
• 11. کار با فایل‌های CSV
• 12. کار با فایل‌های Excel
• 13. مقدمه‌ای بر بسته‌های R
• 14. نصب و مدیریت بسته‌ها
• 15. آشنایی با توابع پرکاربرد R
• 16. توابع شرطی: if, else, ifelse
• 17. حلقه‌های تکرار: for, while
• 18. ساخت توابع سفارشی در R
• 19. مدیریت خطاها و استثناها
• 20. مقدمه‌ای بر بصری‌سازی داده‌ها
• 21. بسته‌های گرافیکی پایه در R
• 22. بسته ggplot2 برای رسم نمودار
• 23. رسم نمودار پراکندگی (Scatter Plot)
• 24. رسم نمودار میله‌ای (Bar Plot)
• 25. رسم نمودار خطی (Line Plot)
• 26. رسم نمودار هیستوگرام (Histogram)
• 27. رسم نمودار جعبه‌ای (Box Plot)
• 28. سفارشی‌سازی نمودارها
• 29. ذخیره نمودارها
• 30. مقدمه‌ای بر پاکسازی داده‌ها
• 31. شناسایی و مدیریت مقادیر گمشده
• 32. روش‌های جایگزینی مقادیر گمشده
• 33. شناسایی و مدیریت داده‌های پرت (Outliers)
• 34. تبدیل داده‌ها
• 35. نرمال‌سازی و استانداردسازی داده‌ها
• 36. ادغام و ترکیب فریم‌های داده
• 37. فیلتر کردن داده‌ها
• 38. مرتب‌سازی داده‌ها
• 39. خلاصه‌سازی داده‌ها
• 40. محاسبه آماره‌های توصیفی
• 41. بسته dplyr برای دستکاری داده‌ها
• 42. انتخاب ستون‌ها (select)
• 43. فیلتر کردن ردیف‌ها (filter)
• 44. اضافه کردن ستون‌های جدید (mutate)
• 45. گروه‌بندی و خلاصه‌سازی (group_by, summarize)
• 46. مرتب‌سازی داده‌ها (arrange)
• 47. عملیات پیوند (join)
• 48. مقدمه‌ای بر تحلیل آماری با R
• 49. آزمون‌های فرض آماری
• 50. آزمون t تک‌نمونه‌ای
• 51. آزمون t دو نمونه‌ای مستقل
• 52. آزمون t زوجی
• 53. آزمون کای‌دو (Chi-squared test)
• 54. تحلیل واریانس یک‌طرفه (ANOVA)
• 55. رگرسیون خطی ساده
• 56. تفسیر نتایج رگرسیون خطی
• 57. رگرسیون خطی چندگانه
• 58. مقدمه‌ای بر مدل‌سازی پیش‌بینانه
• 59. تقسیم داده‌ها به مجموعه‌های آموزش و آزمون
• 60. ارزیابی مدل‌های پیش‌بینانه
• 61. متریک‌های ارزیابی رگرسیون
• 62. مقدمه‌ای بر یادگیری ماشین
• 63. انواع الگوریتم‌های یادگیری ماشین
• 64. یادگیری با نظارت (Supervised Learning)
• 65. یادگیری بدون نظارت (Unsupervised Learning)
• 66. رگرسیون لجستیک
• 67. دسته‌بندی‌کننده‌های K-نزدیک‌ترین همسایه (KNN)
• 68. درخت‌های تصمیم (Decision Trees)
• 69. جنگل‌های تصادفی (Random Forests)
• 70. ماشین‌های بردار پشتیبان (SVM)
• 71. خوشه‌بندی K-means
• 72. مقدمه‌ای بر تحلیل سری‌های زمانی
• 73. انواع داده‌های سری زمانی
• 74. پلا‌ت‌سازی سری‌های زمانی
• 75. شناسایی روند (Trend)
• 76. شناسایی فصلی بودن (Seasonality)
• 77. مدل ARIMA
• 78. پیش‌بینی با مدل ARIMA
• 79. مقدمه‌ای بر پردازش متن (NLP)
• 80. بارگذاری و پیش‌پردازش متن
• 81. شمارش واژگان
• 82. توزیع فراوانی واژگان
• 83. ایجاد ماتریس سند-واژه
• 84. تحلیل احساسات (Sentiment Analysis)
• 85. مقدمه‌ای بر کار با پایگاه داده‌ها در R
• 86. اتصال به پایگاه داده‌ها
• 87. اجرای کوئری‌های SQL
• 88. ذخیره نتایج در R
• 89. مقدمه‌ای بر برنامه‌نویسی شیءگرا در R
• 90. مفاهیم کلاس و شیء
• 91. ارث‌بری
• 92. پلی‌مورفیسم
• 93. کاربرد R در هوش تجاری
• 94. ساخت داشبوردهای تعاملی با Shiny
• 95. مقدمه‌ای بر بهینه‌سازی کد R
• 96. روش‌های پروفایل‌سازی کد
• 97. نکات پیشرفته در کار با داده‌های حجیم
• 98. مقدمه‌ای بر امنیت داده‌ها در R
• 99. اصول حفظ حریم خصوصی داده‌ها
• 100. مدیریت دسترسی به داده‌ها