اپلیکیشن اندرویدی فلش‌کارت آموزشی تحلیل آماری پیشرفته با زبان R برای داده‌کاوی و مدل‌سازی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل آماری پیشرفته با زبان R برای داده‌کاوی و مدل‌سازی

موضوع کلی: تحلیل داده‌ها و آمار با زبان برنامه‌نویسی R

موضوع میانی: کاربردهای آماری پیشرفته در R

📋 سرفصل‌های دوره

• 1. مبانی R برای تحلیل داده
• 2. نصب و پیکربندی R و RStudio
• 3. کار با اشیاء و ساختارهای داده در R
• 4. مقدمه‌ای بر انواع داده و توابع
• 5. عملیات پایه بر روی وکتورها و ماتریس‌ها
• 6. کار با دیتافریم‌ها و لیست‌ها
• 7. خواندن و نوشتن داده‌ها در R
• 8. پاکسازی و پیش‌پردازش داده‌ها
• 9. شناسایی و مدیریت مقادیر گمشده
• 10. تبدیل و تغییر شکل داده‌ها
• 11. تجمیع و گروه‌بندی داده‌ها
• 12. مصورسازی داده‌های اکتشافی (EDA)
• 13. نمودارهای پراکندگی و هیستوگرام
• 14. نمودارهای جعبه‌ای و نمودارهای میله‌ای
• 15. کار با کتابخانه‌های مصورسازی
• 16. مقدمه‌ای بر آمار استنباطی
• 17. توزیع‌های احتمالی و کاربردهای آن‌ها
• 18. آزمون فرض آماری
• 19. تست‌های t و آزمون‌های ناپارامتریک
• 20. تحلیل واریانس (ANOVA)
• 21. رگرسیون خطی ساده
• 22. مقدمه‌ای بر رگرسیون خطی چندگانه
• 23. انتخاب مدل رگرسیون
• 24. ارزیابی مدل‌های رگرسیون
• 25. تحلیل سری‌های زمانی در R
• 26. مقدمه‌ای بر مدل‌های ARIMA
• 27. پیش‌بینی با مدل‌های سری زمانی
• 28. تحلیل داده‌های طبقه‌بندی شده
• 29. مقدمه‌ای بر مدل‌های لجستیک
• 30. ارزیابی مدل‌های طبقه‌بندی
• 31. مقدمه‌ای بر یادگیری ماشین
• 32. الگوریتم‌های K-نزدیک‌ترین همسایه (KNN)
• 33. درخت‌های تصمیم و جنگل‌های تصادفی
• 34. ماشین‌های بردار پشتیبان (SVM)
• 35. خوشه‌بندی و تحلیل عاملی
• 36. الگوریتم K-Means
• 37. تحلیل مولفه‌های اصلی (PCA)
• 38. کار با داده‌های حجیم در R
• 39. مقدمه‌ای بر پردازش توزیع شده
• 40. استفاده از Spark با R
• 41. مصورسازی داده‌های بزرگ
• 42. اصول طراحی پایگاه داده رابطه‌ای
• 43. مقدمه‌ای بر SQL
• 44. کوئری‌نویسی پیشرفته در SQL
• 45. کار با پایگاه‌های داده NoSQL
• 46. مقدمه‌ای بر NoSQL
• 47. استفاده از R با پایگاه‌های داده NoSQL
• 48. روش‌های نمونه‌گیری پیشرفته
• 49. نمونه‌گیری طبقه‌ای و خوشه‌ای
• 50. روش‌های نمونه‌گیری وزنی
• 51. تحلیل داده‌های مکانی
• 52. مقدمه‌ای بر داده‌های جغرافیایی
• 53. کار با بسته‌های GIS در R
• 54. مصورسازی داده‌های مکانی
• 55. تحلیل آماری پیشرفته در R
• 56. مدل‌های خطی تعمیم‌یافته (GLM)
• 57. مدل‌های رگرسیون پواسون و دوجمله‌ای
• 58. مدل‌های رگرسیون چندسطحی
• 59. تحلیل بقا در R
• 60. مدل کاپلان-مایر
• 61. مدل‌های کوکس
• 62. روش‌های شبیه‌سازی مونت کارلو
• 63. پیاده‌سازی شبیه‌سازی در R
• 64. کاربرد شبیه‌سازی در مدل‌سازی
• 65. تحلیل داده‌های متنی
• 66. پردازش زبان طبیعی (NLP) در R
• 67. مدل‌سازی موضوعی (Topic Modeling)
• 68. مصورسازی داده‌های متنی
• 69. مقدمه‌ای بر شبکه‌های عصبی
• 70. شبکه‌های عصبی پیشخور
• 71. شبکه‌های عصبی بازگشتی (RNN)
• 72. کاربرد شبکه‌های عصبی در داده‌کاوی
• 73. تحلیل داده‌های نامتوازن
• 74. روش‌های نمونه‌گیری مجدد
• 75. الگوریتم‌های حساس به عدم توازن
• 76. ارزیابی مدل‌های داده‌های نامتوازن
• 77. مقدمه‌ای بر بهینه‌سازی
• 78. الگوریتم‌های بهینه‌سازی خطی
• 79. الگوریتم‌های بهینه‌سازی غیرخطی
• 80. کاربرد بهینه‌سازی در مدل‌سازی
• 81. اصول حاکمیت داده
• 82. مدیریت کیفیت داده
• 83. امنیت داده‌ها در R
• 84. اخلاق در تحلیل داده‌ها
• 85. ملاحظات حقوقی در تحلیل داده‌ها
• 86. پیاده‌سازی مدل‌های آماری در R
• 87. کاربرد R در پروژه‌های داده‌کاوی
• 88. مقدمه‌ای بر یادگیری تقویتی
• 89. الگوریتم‌های Q-Learning
• 90. الگوریتم‌های Deep Q-Networks (DQN)
• 91. کاربرد یادگیری تقویتی در تحلیل داده
• 92. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
• 93. اندازه‌گیری معیارهای شبکه‌های اجتماعی
• 94. شناسایی جوامع در شبکه‌ها
• 95. مصورسازی شبکه‌های اجتماعی
• 96. کاربرد R در تحلیل‌های آماری پیچیده
• 97. تکنیک‌های پیشرفته مدل‌سازی پیش‌بینانه
• 98. مقدمه‌ای بر یادگیری انتقالی
• 99. کاربرد یادگیری انتقالی در داده‌کاوی
• 100. ساخت داشبوردهای تعاملی در R