اپلیکیشن اندرویدی فلش‌کارت آموزشی مبانی برنامه‌نویسی با زبان R برای تحلیل داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی برنامه‌نویسی با زبان R برای تحلیل داده

موضوع کلی: علوم کامپیوتر و تحلیل داده

موضوع میانی: برنامه‌نویسی و زبان‌های اسکریپت‌نویسی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده با R
• 2. نصب و پیکربندی R و RStudio
• 3. آشنایی با محیط RStudio
• 4. انواع داده‌ها در R
• 5. متغیرها و انواع داده
• 6. عملگرهای ریاضی و منطقی
• 7. ساختارهای داده: بردارها
• 8. ساختارهای داده: ماتریس‌ها
• 9. ساختارهای داده: آرایه‌ها
• 10. ساختارهای داده: فاکتورها
• 11. ساختارهای داده: لیست‌ها
• 12. ساختارهای داده: دیتافریم‌ها
• 13. بارگذاری داده‌ها از فایل‌های CSV
• 14. بارگذاری داده‌ها از فایل‌های Excel
• 15. بارگذاری داده‌ها از پایگاه‌های داده
• 16. مقدمه‌ای بر پاکسازی داده‌ها
• 17. مدیریت داده‌های گمشده (Missing Data)
• 18. تبدیل داده‌ها
• 19. ادغام و ترکیب داده‌ها
• 20. فیلتر کردن و انتخاب داده‌ها
• 21. مرتب‌سازی داده‌ها
• 22. خلاصه‌سازی داده‌ها
• 23. آمار توصیفی با R
• 24. مقدمه‌ای بر مصورسازی داده‌ها
• 25. نمودارهای پراکندگی (Scatter Plots)
• 26. نمودارهای خطی (Line Plots)
• 27. نمودارهای میله‌ای (Bar Plots)
• 28. نمودارهای هیستوگرام (Histograms)
• 29. نمودارهای جعبه‌ای (Box Plots)
• 30. نمودارهای دایره‌ای (Pie Charts)
• 31. نمودارهای چندگانه
• 32. استفاده از ggplot2 برای مصورسازی
• 33. لایه‌ها در ggplot2
• 34. تطبیق مقیاس‌ها در ggplot2
• 35. تم‌ها در ggplot2
• 36. مصورسازی داده‌های جغرافیایی (مقدماتی)
• 37. آشنایی با مفاهیم آماری
• 38. توزیع‌های آماری (مقدماتی)
• 39. آزمون‌های فرض آماری (مقدماتی)
• 40. رگرسیون خطی ساده
• 41. رگرسیون خطی چندگانه
• 42. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته
• 43. تحلیل واریانس (ANOVA)
• 44. خوشه‌بندی (Clustering) - مقدماتی
• 45. تحلیل مولفه‌های اصلی (PCA) - مقدماتی
• 46. مقدمه‌ای بر یادگیری ماشین
• 47. یادگیری نظارت‌شده (Supervised Learning)
• 48. یادگیری نظارت‌نشده (Unsupervised Learning)
• 49. تقسیم داده‌ها به مجموعه آموزش و آزمون
• 50. ارزیابی مدل‌های طبقه‌بندی
• 51. ارزیابی مدل‌های رگرسیون
• 52. مقدمه‌ای بر شبکه‌های عصبی (مفهومی)
• 53. مقدمه‌ای بر پردازش متن (مفهومی)
• 54. استفاده از کتابخانه‌های R برای وظایف خاص
• 55. مدیریت پکیج‌ها در R
• 56. نوشتن توابع سفارشی در R
• 57. مقدمه‌ای بر برنامه‌نویسی شیءگرا در R
• 58. دیباگ کردن کد در R
• 59. کنترل جریان برنامه: دستورات شرطی
• 60. کنترل جریان برنامه: حلقه‌ها
• 61. کار با رشته‌ها (Strings)
• 62. کار با تاریخ و زمان
• 63. عملیات روی داده‌های زمانی
• 64. مقدمه‌ای بر تحلیل سری‌های زمانی
• 65. استفاده از R برای گزارش‌دهی
• 66. تولید گزارش با R Markdown
• 67. ساخت داشبوردهای تعاملی با Shiny (مقدماتی)
• 68. مقدمه‌ای بر مباحث اخلاقی در تحلیل داده
• 69. حفظ حریم خصوصی داده‌ها
• 70. امنیت داده‌ها در R
• 71. مقدمه‌ای بر مصورسازی تعاملی
• 72. کار با داده‌های بزرگ (مفهومی)
• 73. مقدمه‌ای بر هوش مصنوعی
• 74. کاربرد R در علوم زیستی
• 75. کاربرد R در علوم اقتصادی
• 76. کاربرد R در علوم اجتماعی
• 77. کاربرد R در مهندسی
• 78. مقدمه‌ای بر بهینه‌سازی
• 79. مقدمه‌ای بر الگوریتم‌های جستجو
• 80. آشنایی با ساختارهای داده پیچیده‌تر
• 81. مقدمه‌ای بر گراف‌ها در R
• 82. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
• 83. کدنویسی تمیز و خوانا
• 84. روش‌های مستندسازی کد
• 85. مفاهیم پایگاه داده رابطه‌ای (مفهومی)
• 86. مقدمه‌ای بر SQL
• 87. کاربرد R در ارتباط با پایگاه‌های داده
• 88. مرور سریع بر توابع پرکاربرد R
• 89. نکات و ترفندها برای افزایش بهره‌وری
• 90. مدیریت پروژه‌های تحلیل داده
• 91. مقدمه‌ای بر روش‌های تکرارپذیر در تحلیل داده
• 92. اصول اولیه مهندسی نرم‌افزار در تحلیل داده
• 93. مقدمه‌ای بر مفاهیم داده‌کاوی
• 94. ارتباط R با ابزارهای دیگر تحلیل داده
• 95. آشنایی با منابع یادگیری تکمیلی R
• 96. پروژه‌های عملی کوچک برای تمرین
• 97. جمع‌بندی و گام‌های بعدی در تحلیل داده با R
• 98. مقدمه‌ای بر مصورسازی سه‌بعدی (مفهومی)
• 99. اصول طراحی رابط کاربری برای تحلیل داده
• 100. مقدمه‌ای بر پردازش تصویر با R (مفهومی)