فلش‌کارت‌های آموزشی اصول و کاربردهای بصری‌سازی داده با زبان برنامه‌نویسی R

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول و کاربردهای بصری‌سازی داده با زبان برنامه‌نویسی R

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: بصری‌سازی داده‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم داده و اهمیت بصری‌سازی
• 2. نصب و پیکربندی محیط R و RStudio
• 3. آشنایی با ساختارهای داده پایه در R
• 4. وارد کردن داده‌ها از فرمت‌های مختلف (CSV, Excel)
• 5. پاکسازی و پیش‌پردازش داده‌های خام
• 6. مفهوم و انواع نمودارهای آماری
• 7. اصول طراحی بصری مؤثر
• 8. انتخاب نمودار مناسب برای انواع داده
• 9. مقدمه‌ای بر کتابخانه ggplot2
• 10. نصب و بارگذاری کتابخانه ggplot2
• 11. ساختار کلی دستورات ggplot2
• 12. لایه بندی در ggplot2: لایه‌های هندسی (Geoms)
• 13. نمودار پراکندگی (Scatter plot)
• 14. نمودار خطی (Line plot)
• 15. نمودار میله‌ای (Bar plot)
• 16. نمودار هیستوگرام (Histogram)
• 17. نمودار جعبه‌ای (Box plot)
• 18. نمودار ویولن (Violin plot)
• 19. نمودار چگالی (Density plot)
• 20. نمودار پای (Pie chart) - با احتیاط و ملاحظات
• 21. نمودار دایره‌ای (Donut chart) - با احتیاط
• 22. نمودارهای مقایسه‌ای
• 23. نمودارهای توزیع
• 24. نمودارهای رابطه‌ای
• 25. نمودارهای زمانی
• 26. نمودارهای جغرافیایی (مقدماتی)
• 27. کار با مقیاس‌ها و محورها در ggplot2
• 28. تنظیم عنوان، برچسب‌ها و توضیحات نمودار
• 29. استفاده از تم‌ها برای سفارشی‌سازی ظاهر نمودار
• 30. رنگ‌آمیزی نمودارها: اصول و کاربردها
• 31. انتخاب پالت‌های رنگی مناسب و سازگار
• 32. نمودارهای چندگانه (Faceting) برای مقایسه گروه‌ها
• 33. نمودار پراکندگی با رنگ‌آمیزی بر اساس متغیر
• 34. نمودار میله‌ای با گروه‌بندی و انباشتگی
• 35. نمودار خطی برای روندهای زمانی
• 36. نمودارهای آماری پیشرفته با ggplot2
• 37. نمودار ستونی انباشته (Stacked bar chart)
• 38. نمودار ستونی گروهی (Grouped bar chart)
• 39. نمودارarea plot
• 40. نمودارهای حرارتی (Heatmaps)
• 41. نمودارهای شبکه‌ای (Network graphs) - مقدماتی
• 42. نمودارهای جریان (Flow diagrams) - مقدماتی
• 43. نمودارهای سه‌بعدی (با احتیاط و ملاحظات)
• 44. کتابخانه‌های بصری‌سازی دیگر در R (مانند plotly, leaflet)
• 45. مقدمه‌ای بر plotly برای نمودارهای تعاملی
• 46. ایجاد نمودارهای تعاملی با plotly
• 47. مقدمه‌ای بر leaflet برای نقشه‌های تعاملی
• 48. ایجاد نقشه‌های تعاملی با leaflet
• 49. بصری‌سازی داده‌های مکانی با R
• 50. بصری‌سازی داده‌های سری زمانی
• 51. بصری‌سازی داده‌های متنی (مقدماتی)
• 52. بصری‌سازی داده‌های نظرسنجی
• 53. بصری‌سازی داده‌های علمی
• 54. طراحی داشبوردهای آماری با R (مقدماتی)
• 55. اصول طراحی داشبورد مؤثر
• 56. استفاده از Shiny برای ساخت برنامه‌های وب تعاملی
• 57. ساخت یک داشبورد ساده با Shiny
• 58. کار با ماژول‌ها در Shiny
• 59. انتقال داده‌ها بین R و پایگاه‌های داده
• 60. بصری‌سازی داده‌های بزرگ (ملاحظات)
• 61. ارزیابی کیفیت بصری‌سازی‌ها
• 62. خطاهای رایج در بصری‌سازی داده‌ها
• 63. اصول دسترسی‌پذیری در بصری‌سازی
• 64. بصری‌سازی برای تصمیم‌گیری‌های کسب‌وکار
• 65. بصری‌سازی در حوزه‌های اقتصادی و مالی (با چارچوب قانونی)
• 66. بصری‌سازی در حوزه سلامت (با پروتکل‌های وزارت بهداشت)
• 67. بصری‌سازی در علوم اجتماعی (با رویکرد خانواده ایرانی-اسلامی)
• 68. بصری‌سازی داده‌های آموزشی
• 69. کاربرد بصری‌سازی در تحقیقات علمی
• 70. نمودارهای آماری در مقالات علمی
• 71. ملاحظات اخلاقی در بصری‌سازی داده‌ها
• 72. تکنیک‌های پیشرفته بصری‌سازی
• 73. بصری‌سازی داده‌های غیرمتعارف
• 74. خلاصه‌سازی و استخراج اطلاعات از بصری‌سازی‌ها
• 75. مسیرهای شغلی در حوزه بصری‌سازی داده
• 76. آماده‌سازی برای پروژه‌های بصری‌سازی
• 77. پروژه عملی: بصری‌سازی یک مجموعه داده واقعی
• 78. تفسیر نتایج بصری‌سازی‌ها
• 79. ارائه بصری‌سازی‌ها به مخاطبان مختلف
• 80. نکات تکمیلی و منابع بیشتر
• 81. مرور کلی بر آموخته‌ها
• 82. بصری‌سازی داده‌ها در بستر کلان داده
• 83. ملاحظات امنیتی در بصری‌سازی داده‌ها
• 84. استفاده از R برای تحلیل اکتشافی داده‌ها
• 85. مقدمه‌ای بر مدل‌های آماری در R
• 86. بصری‌سازی نتایج مدل‌های آماری
• 87. کاربرد بصری‌سازی در یادگیری ماشین (مقدماتی)
• 88. اصول بصری‌سازی داده‌های آماری برای گزارش‌دهی
• 89. تکنیک‌های پیشرفتهggplot2
• 90. کار با داده‌های نامتعارف و گسسته
• 91. نمودارهای آماری توضیحی (Descriptive Statistics Plots)
• 92. نمودارهای آماری استنباطی (Inferential Statistics Plots)
• 93. بصری‌سازی مفاهیم آماری پیچیده
• 94. مدیریت پروژه‌های بصری‌سازی داده
• 95. آینده بصری‌سازی داده‌ها
• 96. جمع‌بندی و گام‌های بعدی در یادگیری