کتاب صوتی تحلیل داده با زبان برنامه‌نویسی R: از مقدمات تا کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل داده با زبان برنامه‌نویسی R: از مقدمات تا کاربردها

موضوع کلی: علوم کامپیوتر و تحلیل داده

موضوع میانی: تحلیل آماری و برنامه‌نویسی داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده با R
• 2. نصب و راه‌اندازی R و RStudio
• 3. ساختارهای داده در R: بردارها
• 4. ساختارهای داده در R: ماتریس‌ها
• 5. ساختارهای داده در R: آرایه‌ها
• 6. ساختارهای داده در R: فاکتورها
• 7. ساختارهای داده در R: لیست‌ها
• 8. ساختارهای داده در R: دیتافریم‌ها
• 9. عملیات پایه‌ای با دیتافریم‌ها
• 10. بارگذاری داده‌ها از فایل‌های CSV
• 11. بارگذاری داده‌ها از فایل‌های Excel
• 12. بارگذاری داده‌ها از پایگاه‌های داده
• 13. پاکسازی داده‌های گمشده
• 14. شناسایی و مدیریت داده‌های پرت
• 15. تبدیل و تغییر شکل داده‌ها
• 16. تجمیع و خلاصه‌سازی داده‌ها
• 17. فیلتر کردن و انتخاب داده‌ها
• 18. مرتب‌سازی دیتافریم‌ها
• 19. مرتب‌سازی مقادیر در بردارها
• 20. دستکاری رشته‌ها در R
• 21. کار با تاریخ و زمان در R
• 22. مقدمه‌ای بر آمار توصیفی
• 23. میانگین، میانه و نما
• 24. واریانس و انحراف معیار
• 25. چارک‌ها و دامنه میان چارکی
• 26. هیستوگرام و نمودار چگالی
• 27. نمودار جعبه‌ای (Box Plot)
• 28. نمودار میله‌ای (Bar Plot)
• 29. نمودار پراکندگی (Scatter Plot)
• 30. نمودار خطی (Line Plot)
• 31. نمودار دایره‌ای (Pie Chart) (با احتیاط)
• 32. مقدمه‌ای بر آمار استنباطی
• 33. توزیع نرمال و ویژگی‌های آن
• 34. آزمون فرض آماری: مفاهیم پایه
• 35. آزمون t تک‌نمونه‌ای
• 36. آزمون t دو نمونه‌ای مستقل
• 37. آزمون t زوجی
• 38. آزمون تحلیل واریانس یک‌طرفه (ANOVA)
• 39. آزمون تحلیل واریانس دوطرفه
• 40. آزمون کای‌دو (Chi-squared) برای استقلال
• 41. آزمون کای‌دو برای برازش (Goodness-of-fit)
• 42. مقدمه‌ای بر رگرسیون خطی
• 43. رگرسیون خطی ساده
• 44. تفسیر ضرایب رگرسیون
• 45. تشخیص مدل رگرسیونی مناسب
• 46. ارزیابی مدل رگرسیونی
• 47. مقدمه‌ای بر رگرسیون چندگانه
• 48. انتخاب متغیر در رگرسیون چندگانه
• 49. مقدمه‌ای بر سری‌های زمانی
• 50. تجزیه و تحلیل سری‌های زمانی پایه
• 51. پیش‌بینی سری‌های زمانی
• 52. مقدمه‌ای بر یادگیری ماشین
• 53. یادگیری نظارت‌شده
• 54. یادگیری نظارت‌نشده
• 55. طبقه‌بندی: الگوریتم k-نزدیک‌ترین همسایه (KNN)
• 56. طبقه‌بندی: درخت تصمیم (Decision Tree)
• 57. طبقه‌بندی: ماشین بردار پشتیبان (SVM) (با چارچوب علمی)
• 58. طبقه‌بندی: رگرسیون لجستیک (Logistic Regression)
• 59. خوشه‌بندی: الگوریتم k-Means
• 60. خوشه‌بندی: خوشه‌بندی سلسله‌مراتبی
• 61. ارزیابی مدل‌های طبقه‌بندی: ماتریس درهم‌ریختگی
• 62. ارزیابی مدل‌های طبقه‌بندی: دقت، صحت و بازیابی
• 63. ارزیابی مدل‌های یادگیری نظارت‌نشده
• 64. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 65. اعتبارسنجی متقابل (Cross-validation)
• 66. کاهش ابعاد: تحلیل مولفه‌های اصلی (PCA) (با احتیاط)
• 67. تجزیه و تحلیل مولفه‌های اصلی (PCA) در R
• 68. مقدمه‌ای بر مصورسازی داده‌ها
• 69. بسته ggplot2 برای مصورسازی
• 70. ایجاد نمودارهای اولیه با ggplot2
• 71. لایه‌ها و اجزای نمودار در ggplot2
• 72. مقیاس‌ها و رنگ‌ها در ggplot2
• 73. تزیین نمودارها: عنوان و برچسب‌ها
• 74. نمودارهای پیچیده‌تر با ggplot2
• 75. مصورسازی داده‌های جغرافیایی (با احتیاط)
• 76. تجزیه و تحلیل متن: مقدمات
• 77. پیش‌پردازش متن: پاکسازی و توکن‌سازی
• 78. شمارش فراوانی کلمات
• 79. مدل‌سازی موضوعی (Topic Modeling) (با چارچوب علمی)
• 80. تجزیه و تحلیل احساسات (Sentiment Analysis) (با چارچوب علمی)
• 81. کار با داده‌های متنی در R
• 82. مقدمه‌ای بر داده‌های بزرگ (Big Data) (با چارچوب علمی)
• 83. مقدمه‌ای بر پایگاه‌های داده رابطه‌ای (با چارچوب رسمی)
• 84. کار با پایگاه‌های داده در R
• 85. اصول بانکداری بدون ربا در R (با چارچوب رسمی)
• 86. عقود اسلامی در R (با چارچوب رسمی)
• 87. تحلیل داده‌های مالی حلال (با چارچوب رسمی)
• 88. کاربرد R در تحقیقات علمی (با رعایت چارچوب)
• 89. کاربرد R در کسب‌وکار (با رعایت چارچوب)
• 90. کاربرد R در حوزه سلامت (با رعایت چارچوب)
• 91. اخلاق در تحلیل داده (با رعایت چارچوب)
• 92. مستندسازی کد در R
• 93. اشتراک‌گذاری نتایج تحلیل داده
• 94. مقدمه‌ای بر یادگیری عمیق (با احتیاط و چارچوب علمی)
• 95. شبکه‌های عصبی در R (با چارچوب علمی)
• 96. کار با داده‌های تصویری (با رعایت چارچوب)
• 97. مقدمه‌ای بر پردازش زبان طبیعی (NLP) (با چارچوب علمی)
• 98. کاربرد R در هوش مصنوعی (با رعایت چارچوب)