فلش‌کارت‌های آموزشی مقدمه‌ای بر زبان برنامه‌نویسی R برای تحلیل داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر زبان برنامه‌نویسی R برای تحلیل داده

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: برنامه‌نویسی و تحلیل داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زبان برنامه‌نویسی R
• 2. نصب و راه‌اندازی R و RStudio
• 3. آشنایی با محیط RStudio
• 4. انواع داده در R: عددی، منطقی، کاراکتر
• 5. بردارها در R: ایجاد و عملیات پایه
• 6. فهرست‌ها در R: ساختار و دسترسی
• 7. ماتریس‌ها در R: ایجاد و عملیات
• 8. آرایه‌ها در R: ابعاد و دسترسی
• 9. چارچوب داده‌ها (Data Frames) در R
• 10. ایجاد و مدیریت چارچوب داده‌ها
• 11. بارگذاری داده‌ها از فایل‌های CSV
• 12. بارگذاری داده‌ها از فایل‌های Excel
• 13. ذخیره داده‌ها در R
• 14. عملیات پایه‌ی روی چارچوب داده‌ها
• 15. انتخاب ستون‌ها و ردیف‌ها
• 16. فیلتر کردن داده‌ها بر اساس شرط
• 17. مرتب‌سازی چارچوب داده‌ها
• 18. اضافه کردن ستون‌های جدید
• 19. حذف ستون‌ها و ردیف‌ها
• 20. دستورات پایه شرطی: if, else
• 21. حلقه‌های تکرار: for, while
• 22. توابع در R: تعریف و فراخوانی
• 23. ایجاد توابع سفارشی
• 24. آشنایی با بسته‌های (Packages) R
• 25. نصب و بارگذاری بسته‌های R
• 26. مستندات بسته‌ها و کمک گرفتن
• 27. بسته‌ی dplyr برای دستکاری داده‌ها
• 28. دستور select در dplyr
• 29. دستور filter در dplyr
• 30. دستور arrange در dplyr
• 31. دستور mutate در dplyr
• 32. دستور summarise در dplyr
• 33. دستور group_by در dplyr
• 34. ترکیب عملیات با pipe operator (%)
• 35. بسته‌ی tidyr برای مرتب‌سازی داده‌ها
• 36. دستور pivot_longer در tidyr
• 37. دستور pivot_wider در tidyr
• 38. پاکسازی داده‌های پرت (Outliers)
• 39. مدیریت مقادیر گمشده (NA)
• 40. آشنایی با مفاهیم آماری پایه
• 41. میانگین، میانه و مد
• 42. انحراف معیار و واریانس
• 43. دامنه و چارک‌ها
• 44. نمودارهای توزیع فراوانی
• 45. بسته‌ی ggplot2 برای بصری‌سازی داده‌ها
• 46. ایجاد نمودار میله‌ای
• 47. ایجاد نمودار پراکندگی
• 48. ایجاد نمودار خطی
• 49. ایجاد نمودار جعبه‌ای (Box Plot)
• 50. تنظیمات نمودار در ggplot2
• 51. برچسب‌گذاری محورها و عنوان نمودار
• 52. تغییر رنگ و شکل نقاط
• 53. بصری‌سازی داده‌های طبقه‌بندی شده
• 54. مقدمه‌ای بر تحلیل سری‌های زمانی
• 55. بارگذاری داده‌های سری زمانی
• 56. عملیات اولیه روی سری‌های زمانی
• 57. رسم نمودار سری زمانی
• 58. تحلیل روند در سری‌های زمانی
• 59. تحلیل فصلی در سری‌های زمانی
• 60. پیش‌بینی ساده سری‌های زمانی
• 61. بسته‌ی forecast برای پیش‌بینی
• 62. آموزش مدل‌های رگرسیونی خطی
• 63. ایجاد مدل رگرسیون خطی
• 64. تفسیر نتایج مدل رگرسیون
• 65. ارزیابی مدل رگرسیون
• 66. پیش‌بینی با مدل رگرسیون
• 67. مقدمه‌ای بر آزمون‌های فرض آماری
• 68. آزمون t تک‌نمونه‌ای
• 69. آزمون t دو‌نمونه‌ای مستقل
• 70. آزمون t زوجی
• 71. آزمون تحلیل واریانس (ANOVA) یک‌طرفه
• 72. تفسیر نتایج آزمون‌های فرض
• 73. مقدمه‌ای بر تحلیل خوشه‌ای (Clustering)
• 74. الگوریتم K-Means
• 75. انتخاب تعداد خوشه‌ها
• 76. ارزیابی نتایج خوشه‌بندی
• 77. مقدمه‌ای بر تحلیل عاملی (Factor Analysis)
• 78. کاربرد تحلیل عاملی در کاهش ابعاد
• 79. مقدمه‌ای بر تحلیل رگرسیون لجستیک
• 80. ایجاد مدل رگرسیون لجستیک
• 81. تفسیر نتایج رگرسیون لجستیک
• 82. ارزیابی مدل رگرسیون لجستیک
• 83. مقدمه‌ای بر یادگیری ماشین در R
• 84. مفهوم داده‌های آموزشی و آزمایشی
• 85. تقسیم داده‌ها به مجموعه‌های آموزشی و آزمایشی
• 86. پیاده‌سازی یک الگوریتم ساده یادگیری ماشین
• 87. ارزیابی عملکرد مدل یادگیری ماشین
• 88. نکات پایانی و منابع بیشتر