کتاب صوتی آموزش جامع برنامه‌نویسی R برای تحلیل داده‌ها و گزارش‌گیری آماری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع برنامه‌نویسی R برای تحلیل داده‌ها و گزارش‌گیری آماری

موضوع کلی: علوم داده و آمار کاربردی

موضوع میانی: تحلیل داده‌های آماری با نرم‌افزارهای تخصصی

📋 سرفصل‌های دوره

• 1. مبانی و تاریخچه زبان برنامه‌نویسی R در علوم داده
• 2. نصب و راه‌اندازی محیط توسعه RStudio
• 3. آشنایی با ساختار رابط کاربری و مدیریت پروژه‌ها در R
• 4. متغیرها و انواع داده‌های پایه در R
• 5. کار با بردارها و عملیات ریاضی بر روی آن‌ها
• 6. مدیریت ماتریس‌ها و آرایه‌های چندبعدی
• 7. ساخت و پیمایش لیست‌ها در R
• 8. کار با دیتافریم‌ها و وارد کردن داده‌ها از فایل‌های خارجی
• 9. مدیریت و اصلاح ساختار داده‌ها با بسته dplyr
• 10. فیلتر کردن و مرتب‌سازی داده‌ها
• 11. تغییر نام و انتخاب ستون‌های دیتافریم
• 12. ادغام و اتصال مجموعه‌های داده
• 13. کار با مقادیر گمشده و پاک‌سازی داده‌ها
• 14. ساختار دستورات شرطی و کنترل جریان برنامه
• 15. پیاده‌سازی حلقه‌های تکرار در R
• 16. تعریف و استفاده از توابع اختصاصی
• 17. کار با داده‌های متنی و رشته‌ها
• 18. کار با داده‌های زمانی و تاریخ در R
• 19. آمار توصیفی و شاخص‌های مرکزی
• 20. محاسبه واریانس و انحراف معیار در داده‌ها
• 21. توزیع‌های احتمالی در R
• 22. آشنایی با نمودارها و ترسیم داده‌ها در پایه R
• 23. ترسیم نمودارهای پیشرفته با بسته ggplot2
• 24. شخصی‌سازی محورها و برچسب‌های نمودار
• 25. تحلیل همبستگی بین متغیرها
• 26. آشنایی با مدل‌های رگرسیون خطی ساده
• 27. ارزیابی دقت مدل‌های رگرسیون
• 28. مقدمه‌ای بر رگرسیون چندگانه
• 29. آزمون‌های فرض آماری و مقدار P-value
• 30. آزمون تی استیودنت برای مقایسه میانگین‌ها
• 31. تحلیل واریانس یک‌طرفه
• 32. استفاده از گروه‌بندی داده‌ها برای تحلیل‌های مقایسه‌ای
• 33. کار با داده‌های حجیم و بهینه‌سازی کدها
• 34. مدیریت خطاها و اشکال‌زدایی در برنامه‌نویسی R
• 35. تولید گزارش‌های آماری با R Markdown
• 36. خروجی گرفتن از گزارش‌ها به فرمت PDF و Word
• 37. ساخت داشبوردهای تعاملی ساده با Shiny
• 38. اتصال R به پایگاه‌های داده رابطه‌ای
• 39. کار با بسته‌های تخصصی تحلیل آماری
• 40. نکات اخلاقی و استانداردهای گزارش‌دهی داده‌ها در چارچوب علمی
• 41. پروژه نهایی: تحلیل یک مجموعه داده واقعی و ارائه گزارش جامع