کتاب صوتی R و Big Data: راهکارهای مقیاس‌پذیر

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره R و Big Data: راهکارهای مقیاس‌پذیر

موضوع کلی: مهندسی داده و زیرساخت‌های محاسباتی

موضوع میانی: R برای علم داده

📋 سرفصل‌های دوره

• 1. ر و بیگ دیتا: راهکارهای مقیاس‌پذیر
• 2. مقدمه‌ای بر زبان برنامه‌نویسی R
• 3. نصب و پیکربندی محیط R
• 4. نوع داده‌ها در R: عددی، کاراکتری، منطقی
• 5. ساختارهای داده‌ای در R: بردارها، ماتریس‌ها، لیست‌ها
• 6. کار با توابع در R: تعریف، فراخوانی، آرگومان‌ها
• 7. کنترل جریان در R: شرطی‌ها، حلقه‌ها، توابع تکراری
• 8. ایجاد و مدیریت فایل‌ها در R
• 9. خواندن داده‌ها از فایل‌ها: csv، txt، excel
• 10. پاکسازی داده‌ها در R: حذف مقادیر گمشده، تبدیل نوع داده‌ها
• 11. تبدیل داده‌ها در R: تغییر نام ستونها، فیلتر کردن، مرتب‌سازی
• 12. تجزیه و تحلیل داده‌ها در R: محاسبات توصیفی، نمودارها
• 13. آمار توصیفی در R: میانگین، انحراف معیار، واریانس
• 14. نمودارهای پایه‌ای در R: هیستوگرام، نمودار پراکندگی، نمودار جعبه‌ای
• 15. نمودارهای پیشرفته در R: ggplot2
• 16. مقدمه‌ای بر بیگ دیتا
• 17. مفاهیم کلیدی بیگ دیتا: حجم، سرعت، تنوع، ارزش
• 18. ابزارهای بیگ دیتا: Hadoop، Spark، Hive
• 19. پردازش توزیع‌شده داده‌ها با Hadoop
• 20. مقدمه‌ای بر Apache Spark: ویژگی‌ها، مزایا، نصب
• 21. استفاده از Spark برای پردازش داده‌ها: DataFrame، SQL
• 22. پردازش داده‌های جریانی با Spark Streaming
• 23. مقدمه‌ای بر پایگاه داده‌های NoSQL: MongoDB، Cassandra
• 24. استفاده از MongoDB برای ذخیره و بازیابی داده‌ها
• 25. استفاده از Cassandra برای ذخیره داده‌های توزیع‌شده
• 26. مقدمه‌ای بر ابزارهای ETL: Talend، Informatica
• 27. استفاده از ابزارهای ETL برای یکپارچه‌سازی داده‌ها
• 28. مقدمه‌ای بر Data Warehousing: انبار داده‌ها، ابعاد، فکت‌ها
• 29. طراحی انبار داده‌ها با استفاده از مدل ستاره‌ای
• 30. تحلیل داده‌های انبار داده‌ها: OLAP، Data Mining
• 31. مقدمه‌ای بر یادگیری ماشین در R: کاربردها، الگوریتم‌ها
• 32. مدل‌های رگرسیونی در R: خطی، چندجمله‌ای، لجستیک
• 33. مدل‌های خوشه‌بندی در R: K-means، Hierarchical Clustering
• 34. مدل‌های طبقه‌بندی در R: درخت تصمیم، ماشین‌های بردار پشتیبان
• 35. ارزیابی مدل‌های یادگیری ماشین در R: دقت، صحت، Recall
• 36. کاربرد R در تحلیل سری‌های زمانی
• 37. مدل‌های ARIMA در R
• 38. پیش‌بینی با استفاده از مدل‌های سری زمانی در R
• 39. مقدمه‌ای بر ابزارهای تجسم داده‌ها: Tableau، Power BI
• 40. ایجاد داشبوردهای تعاملی با Tableau
• 41. ایجاد گزارش‌های پویا با Power BI
• 42. بهینه‌سازی عملکرد R برای بیگ دیتا
• 43. استفاده از کتابخانه‌های parallel در R
• 44. استفاده از کتابخانه‌های data.table در R
• 45. مقدمه‌ای بر معماری‌های مقیاس‌پذیر: میکروسرویس‌ها، Containerization