کتاب صوتی آموزش جامع برنامه‌نویسی با زبان R برای تحلیل داده‌های پژوهشی و اقتصادی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع برنامه‌نویسی با زبان R برای تحلیل داده‌های پژوهشی و اقتصادی

موضوع کلی: علوم داده و آمار کاربردی

موضوع میانی: تحلیل داده‌های آماری با ابزارهای محاسباتی

📋 سرفصل‌های دوره (100 موضوع)

• 1. آشنایی با محیط نرم‌افزاری و رابط کاربری RStudio
• 2. مبانی برنامه‌نویسی و تعریف متغیرها در R
• 3. انواع داده‌های پایه در R شامل اعداد و رشته‌های متنی
• 4. کار با بردارها و عملیات ریاضی بر روی آن‌ها
• 5. ساخت و مدیریت لیست‌ها در R
• 6. آشنایی با ماتریس‌ها و کاربرد آن‌ها در محاسبات آماری
• 7. ساخت و تحلیل داده‌چارچوب‌ها یا دیتافریم‌ها
• 8. وارد کردن داده‌ها از فایل‌های اکسل و CSV
• 9. پالایش و تمیزکاری داده‌ها با استفاده از بسته dplyr
• 10. فیلتر کردن و انتخاب زیرمجموعه‌های داده
• 11. تغییر نام و اصلاح متغیرها در مجموعه‌داده‌های پژوهشی
• 12. ادغام و الحاق جداول داده‌ای در R
• 13. استفاده از ساختارهای کنترلی شرطی در برنامه‌نویسی
• 14. حلقه‌ها و تکرار در فرآیندهای تحلیل داده
• 15. نوشتن توابع سفارشی برای خودکارسازی تحلیل‌ها
• 16. مدیریت خطاها و اشکال‌زدایی در کدها
• 17. مبانی آمار توصیفی و محاسبه شاخص‌های مرکزی
• 18. محاسبه شاخص‌های پراکندگی و انحراف معیار
• 19. مصورسازی داده‌ها با استفاده از پایه گرافیکی R
• 20. رسم نمودارهای ستونی و هیستوگرام برای تحلیل توزیع
• 21. تحلیل همبستگی بین متغیرهای اقتصادی و اجتماعی
• 22. آشنایی با بسته ggplot2 برای ترسیم نمودارهای پیشرفته
• 23. تنظیمات ظاهری و زیباسازی نمودارهای علمی
• 24. آزمون‌های فرض آماری و کاربرد آن‌ها در پژوهش
• 25. آزمون تی استیودنت برای مقایسه میانگین‌ها
• 26. تحلیل واریانس یک‌طرفه در پژوهش‌های کاربردی
• 27. مبانی رگرسیون خطی ساده و تفسیر ضرایب
• 28. رگرسیون خطی چندگانه و بررسی فرض‌های کلاسیک
• 29. تحلیل باقیمانده‌ها و ارزیابی کیفیت مدل‌های آماری
• 30. کار با داده‌های سری زمانی در تحلیل‌های اقتصادی
• 31. تجزیه و تحلیل روندها و الگوهای فصلی در داده‌ها
• 32. استفاده از توابع خانواده apply برای بهینه‌سازی محاسبات
• 33. کار با داده‌های متنی و استخراج اطلاعات
• 34. مدیریت تاریخ و زمان در داده‌های پژوهشی
• 35. آشنایی با بسته tidyr برای مرتب‌سازی داده‌ها
• 36. شبیه‌سازی آماری و تولید اعداد تصادفی
• 37. نمونه‌گیری از جوامع آماری در محیط R
• 38. ارائه گزارش‌های علمی با استفاده از R Markdown
• 39. خروجی گرفتن از تحلیل‌ها در قالب اسناد PDF و Word
• 40. اخلاق حرفه‌ای در تحلیل داده و صیانت از حریم خصوصی اطلاعات
• 41. کاربرد R در تحلیل‌های مالی و مدیریت ریسک
• 42. مدل‌سازی اقتصادی با استفاده از داده‌های ثانویه رسمی
• 43. بهینه‌سازی کدهای محاسباتی برای مجموعه‌های داده بزرگ
• 44. آشنایی با مخازن داده‌های آماری ملی و بین‌المللی
• 45. نصب و مدیریت بسته‌های تخصصی از CRAN
• 46. ذخیره‌سازی و بازیابی محیط کاری و پروژه‌ها در R