دوره تحلیل آماری داده‌ها با زبان برنامه‌نویسی R همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل آماری داده‌ها با زبان برنامه‌نویسی R

موضوع کلی: علوم کامپیوتر و تحلیل داده

موضوع میانی: تحلیل آماری و بصری‌سازی داده‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل آماری داده‌ها
• 2. نصب و راه‌اندازی R و RStudio
• 3. آشنایی با محیط RStudio
• 4. مبانی زبان برنامه‌نویسی R
• 5. انواع داده‌ها در R
• 6. ساختارهای داده‌ای: بردارها
• 7. ساختارهای داده‌ای: ماتریس‌ها
• 8. ساختارهای داده‌ای: آرایه‌ها
• 9. ساختارهای داده‌ای: لیست‌ها
• 10. ساختارهای داده‌ای: دیتافریم‌ها
• 11. عملیات پایه‌ای روی داده‌ها
• 12. بارگذاری داده‌ها از فایل‌های CSV
• 13. بارگذاری داده‌ها از فایل‌های Excel
• 14. بارگذاری داده‌ها از پایگاه‌های داده
• 15. پاکسازی داده‌های گمشده
• 16. مدیریت داده‌های پرت
• 17. تبدیل و بازسازی داده‌ها
• 18. عملیات منطقی و شرطی
• 19. حلقه‌ها در R
• 20. توابع سفارشی در R
• 21. آمار توصیفی: معیارهای مرکزی
• 22. آمار توصیفی: معیارهای پراکندگی
• 23. آمار توصیفی: صدک‌ها و چارک‌ها
• 24. توزیع‌های احتمالی: توزیع نرمال
• 25. توزیع‌های احتمالی: توزیع t
• 26. توزیع‌های احتمالی: توزیع کای‌دو
• 27. توزیع‌های احتمالی: توزیع F
• 28. آزمون فرضیه: مفاهیم پایه
• 29. آزمون t تک‌نمونه‌ای
• 30. آزمون t دو‌نمونه‌ای مستقل
• 31. آزمون t دو‌نمونه‌ای زوجی
• 32. آزمون واریانس یک‌طرفه (ANOVA)
• 33. آزمون واریانس دو‌طرفه (Two-way ANOVA)
• 34. آزمون کای‌دو برای استقلال
• 35. آزمون کای‌دو برای برازش
• 36. همبستگی پیرسون
• 37. همبستگی اسپیرمن
• 38. رگرسیون خطی ساده
• 39. تفسیر ضرایب رگرسیون خطی ساده
• 40. ارزیابی مدل رگرسیون خطی ساده
• 41. رگرسیون خطی چندگانه
• 42. انتخاب بهترین مدل رگرسیون
• 43. مدل‌های خطی تعمیم‌یافته (GLM)
• 44. رگرسیون لجستیک
• 45. تحلیل سری‌های زمانی: مفاهیم
• 46. تحلیل سری‌های زمانی: اجزاء
• 47. تحلیل سری‌های زمانی: روند
• 48. تحلیل سری‌های زمانی: فصلی بودن
• 49. مدل‌های ARIMA
• 50. پیش‌بینی با مدل‌های سری زمانی
• 51. مقدمه‌ای بر بصری‌سازی داده‌ها
• 52. چرا بصری‌سازی داده‌ها مهم است؟
• 53. بصری‌سازی داده‌ها با ggplot2
• 54. رسم نمودار پراکندگی (Scatter Plot)
• 55. رسم نمودار خطی (Line Plot)
• 56. رسم نمودار میله‌ای (Bar Plot)
• 57. رسم نمودار هیستوگرام (Histogram)
• 58. رسم نمودار جعبه‌ای (Box Plot)
• 59. رسم نمودار چگالی (Density Plot)
• 60. رسم نمودار دایره‌ای (Pie Chart)
• 61. رسم نمودار نقشه‌ای (Map Plot)
• 62. استفاده از رنگ در بصری‌سازی
• 63. اضافه کردن برچسب و عنوان به نمودارها
• 64. تنظیم محورهای نمودار
• 65. ایجاد نمودارهای ترکیبی
• 66. بصری‌سازی داده‌های جغرافیایی
• 67. بصری‌سازی داده‌های شبکه‌ای
• 68. بصری‌سازی داده‌های متنی
• 69. ایجاد داشبوردهای تعاملی با Shiny
• 70. مقدمه‌ای بر کتابخانه Shiny
• 71. ساخت اپلیکیشن‌های Shiny پایه
• 72. عناصر ورودی در Shiny
• 73. عناصر خروجی در Shiny
• 74. واکنش‌گرایی در Shiny
• 75. دیپلوی کردن اپلیکیشن‌های Shiny
• 76. ملاحظات اخلاقی در تحلیل داده
• 77. حفظ حریم خصوصی داده‌ها
• 78. امنیت داده‌ها در R
• 79. مقدمه‌ای بر یادگیری ماشین
• 80. طبقه‌بندی در یادگیری ماشین
• 81. رگرسیون در یادگیری ماشین
• 82. خوشه‌بندی در یادگیری ماشین
• 83. ارزیابی مدل‌های یادگیری ماشین
• 84. مقدمه‌ای بر داده‌کاوی
• 85. قوانین وابستگی (Association Rules)
• 86. تشخیص ناهنجاری (Anomaly Detection)
• 87. فشرده‌سازی داده‌ها
• 88. مقدمه‌ای بر تحلیل کلان‌داده (Big Data)
• 89. ابزارهای تحلیل کلان‌داده
• 90. کاربرد تحلیل داده در حوزه‌های مختلف
• 91. ملاحظات قانونی و مقرراتی در تحلیل داده
• 92. قوانین حفاظت از داده‌ها در ایران
• 93. مقررات بانک مرکزی در خصوص رمزارزها
• 94. استانداردهای وزارت بهداشت در علوم پزشکی
• 95. چارچوب خانواده ایرانی-اسلامی در روانشناسی
• 96. منافع ملی در روابط بین‌الملل
• 97. جمع‌بندی و گام‌های بعدی در تحلیل داده