کتاب صوتی 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 فناوری اطلاعات

موضوع میانی: برنامه‌نویسی و تحلیل داده

📋 سرفصل‌های دوره

• 1. مبانی و مقدمات زبان برنامه‌نویسی R
• 2. نصب و راه‌اندازی محیط R و RStudio
• 3. آشنایی با ساختار کلی زبان R
• 4. انواع داده‌ها در R: عددی، منطقی، کاراکتری
• 5. ساختارهای داده‌ای: بردارها (Vectors)
• 6. ساختارهای داده‌ای: ماتریس‌ها (Matrices)
• 7. ساختارهای داده‌ای: آرایه‌ها (Arrays)
• 8. ساختارهای داده‌ای: لیست‌ها (Lists)
• 9. ساختارهای داده‌ای: فریم‌های داده (Data Frames)
• 10. عملیات پایه‌ای روی بردارها
• 11. عملیات پایه‌ای روی ماتریس‌ها
• 12. عملیات پایه‌ای روی لیست‌ها
• 13. عملیات پایه‌ای روی فریم‌های داده
• 14. توابع در R: تعریف و فراخوانی
• 15. پارامترهای توابع و مقادیر پیش‌فرض
• 16. مدیریت خطاها در توابع
• 17. حلقه‌های کنترلی: حلقه for
• 18. حلقه‌های کنترلی: حلقه while
• 19. دستورات شرطی: if, else if, else
• 20. دستورات شرطی: switch
• 21. کار با رشته‌ها و متون در R
• 22. عملیات روی تاریخ و زمان
• 23. مقدمات آمار توصیفی در R
• 24. محاسبه میانگین، میانه و مد
• 25. محاسبه واریانس و انحراف معیار
• 26. محاسبه کوواریانس و همبستگی
• 27. رسم نمودارهای پایه‌ای: هیستوگرام
• 28. رسم نمودارهای پایه‌ای: نمودار پراکندگی (Scatter Plot)
• 29. رسم نمودارهای پایه‌ای: نمودار میله‌ای (Bar Plot)
• 30. رسم نمودارهای پایه‌ای: نمودار جعبه‌ای (Box Plot)
• 31. رسم نمودارهای پایه‌ای: نمودار خطی (Line Plot)
• 32. رسم نمودارهای پیشرفته با ggplot2
• 33. مقدمات کار با بسته‌های نرم‌افزاری در R
• 34. نصب و بارگذاری بسته‌ها
• 35. مدیریت مسیرها و دایرکتوری‌ها
• 36. خواندن و نوشتن فایل‌های متنی (CSV, TXT)
• 37. خواندن و نوشتن فایل‌های اکسل
• 38. خواندن و نوشتن فایل‌های JSON
• 39. مقدمات پایگاه داده در R
• 40. اتصال به پایگاه داده‌های SQL
• 41. اجرای کوئری‌های SQL در R
• 42. مفاهیم اولیه تحلیل داده‌های اکتشافی (EDA)
• 43. پاکسازی داده‌ها: شناسایی و مدیریت مقادیر گمشده
• 44. پاکسازی داده‌ها: شناسایی و مدیریت داده‌های پرت (Outliers)
• 45. تبدیل داده‌ها: نرمال‌سازی و استانداردسازی
• 46. تبدیل داده‌ها: مهندسی ویژگی (Feature Engineering)
• 47. مقدمات یادگیری ماشین در R
• 48. رگرسیون خطی ساده
• 49. رگرسیون خطی چندگانه
• 50. ارزیابی مدل‌های رگرسیون
• 51. مقدمات طبقه‌بندی
• 52. رگرسیون لجستیک (Logistic Regression)
• 53. مقدمات خوشه‌بندی
• 54. الگوریتم K-Means Clustering
• 55. ارزیابی مدل‌های طبقه‌بندی
• 56. مقدمات تحلیل سری‌های زمانی
• 57. تحلیل روند و فصلی بودن
• 58. مدل‌های ARIMA
• 59. مقدمات تحلیل داده‌های متنی
• 60. پردازش اولیه متن: توکنیزاسیون
• 61. حذف کلمات توقف (Stop Words Removal)
• 62. تکنیک TF-IDF
• 63. مقدمات تحلیل احساسات
• 64. تحلیل احساسات مبتنی بر واژگان
• 65. تحلیل احساسات مبتنی بر یادگیری ماشین
• 66. کار با داده‌های مکانی در R
• 67. مقدمات پردازش تصویر در R
• 68. مقدمات شبکه‌های عصبی در R
• 69. مقدمات یادگیری عمیق در R
• 70. کار با داده‌های بزرگ (Big Data) در R
• 71. مقدمات تجسم پیشرفته داده‌ها
• 72. ایجاد داشبوردهای تعاملی با Shiny
• 73. مقدمات توسعه اپلیکیشن‌های وب با R
• 74. مقدمات کار با API ها در R
• 75. استفاده از R در پروژه‌های علمی
• 76. مقدمات تحلیل بقا
• 77. مقدمات تحلیل شبکه (Network Analysis)
• 78. مقدمات مدل‌سازی معادلات ساختاری (SEM)
• 79. مقدمات یادگیری تقویتی (Reinforcement Learning)
• 80. مقدمات داده‌کاوی (Data Mining)
• 81. مقدمات پردازش سیگنال در R
• 82. مقدمات بهینه‌سازی (Optimization)
• 83. مقدمات شبیه‌سازی (Simulation)
• 84. مقدمات تحلیل آماری پیشرفته
• 85. آزمون‌های فرض آماری
• 86. طراحی آزمایش‌ها (Design of Experiments)
• 87. مقدمات آماری بیزی (Bayesian Statistics)
• 88. مقدمات یادگیری آماری (Statistical Learning)
• 89. کاربرد R در حوزه سلامت و پزشکی
• 90. کاربرد R در حوزه مالی و اقتصادی
• 91. کاربرد R در حوزه علوم اجتماعی
• 92. کاربرد R در حوزه مهندسی
• 93. کاربرد R در حوزه محیط زیست
• 94. کاربرد R در حوزه علوم سیاسی
• 95. مقدمات اخلاق در علم داده
• 96. حریم خصوصی در تحلیل داده
• 97. امنیت داده‌ها در R
• 98. بهینه‌سازی کد R برای عملکرد بهتر
• 99. مستندسازی کد و پروژه‌ها در R
• 100. اشتراک‌گذاری کد و پروژه‌ها با دیگران