سپنتا کتاب اکسپرس
کتاب مبانی و کاربردهای تحلیل داده با زبان برنامه‌نویسی R

کتاب مبانی و کاربردهای تحلیل داده با زبان برنامه‌نویسی R

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی و کاربردهای تحلیل داده با زبان برنامه‌نویسی R

موضوع کلی: علوم کامپیوتر و تحلیل داده

موضوع میانی: برنامه‌نویسی و تحلیل آماری با R

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علوم کامپیوتر و تحلیل داده
  • 2. فصل اول: تاریخچه و مفاهیم کلیدی تحلیل داده
  • 3. فصل دوم: معرفی زبان برنامه‌نویسی R
  • 4. فصل سوم: نصب و پیکربندی R و RStudio
  • 5. فصل چهارم: ساختار داده‌ها در R: بردارها و لیست‌ها
  • 6. فصل پنجم: ماتریس‌ها و آرایه‌ها در R
  • 7. فصل ششم: دیتافریم‌ها: ساختار اصلی داده در R
  • 8. فصل هفتم: خواندن و نوشتن داده‌ها از/به فایل‌ها
  • 9. فصل هشتم: عملیات پایه روی دیتافریم‌ها
  • 10. فصل نهم: مدیریت داده‌های گم‌شده (Missing Data)
  • 11. فصل دهم: پاکسازی و پیش‌پردازش داده‌ها
  • 12. فصل یازدهم: مفاهیم آماری پایه برای تحلیل داده
  • 13. فصل دوازدهم: توزیع‌های آماری پرکاربرد
  • 14. فصل سیزدهم: آمار توصیفی: میانگین، میانه، واریانس
  • 15. فصل چهاردهم: نمودارهای آماری پایه: هیستوگرام و نمودار جعبه‌ای
  • 16. فصل پانزدهم: مقدمه‌ای بر استنباط آماری
  • 17. فصل شانزدهم: آزمون فرض آماری: مفاهیم و کاربردها
  • 18. فصل هفدهم: آزمون t تک‌نمونه‌ای
  • 19. فصل هجدهم: آزمون t دو نمونه‌ای مستقل
  • 20. فصل نوزدهم: آزمون t زوجی
  • 21. فصل بیستم: آزمون کای‌دو برای استقلال
  • 22. فصل بیست و یکم: همبستگی: مفاهیم و اندازه‌گیری
  • 23. فصل بیست و دوم: همبستگی پیرسون
  • 24. فصل بیست و سوم: همبستگی اسپیرمن
  • 25. فصل بیست و چهارم: رگرسیون خطی ساده
  • 26. فصل بیست و پنجم: تفسیر ضرایب رگرسیون
  • 27. فصل بیست و ششم: ارزیابی مدل رگرسیون خطی
  • 28. فصل بیست و هفتم: پیش‌بینی با رگرسیون خطی
  • 29. فصل بیست و هشتم: مقدمه‌ای بر رگرسیون خطی چندگانه
  • 30. فصل بیست و نهم: انتخاب متغیرها در رگرسیون
  • 31. فصل سی‌ام: مفاهیم پیشرفته‌تر در رگرسیون
  • 32. فصل سی و یکم: مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLMs)
  • 33. فصل سی و دوم: رگرسیون لجستیک
  • 34. فصل سی و سوم: مفاهیم طبقه‌بندی در R
  • 35. فصل سی و چهارم: ارزیابی مدل‌های طبقه‌بندی
  • 36. فصل سی و پنجم: مقدمه‌ای بر تحلیل سری‌های زمانی
  • 37. فصل سی و ششم: پیش‌بینی با مدل‌های سری زمانی
  • 38. فصل سی و هفتم: مقدمه‌ای بر یادگیری ماشین
  • 39. فصل سی و هشتم: الگوریتم‌های یادگیری نظارت‌شده
  • 40. فصل سی و نهم: الگوریتم‌های یادگیری نظارت‌نشده
  • 41. فصل چهلم: خوشه‌بندی (Clustering)
  • 42. فصل چهل و یکم: الگوریتم K-Means
  • 43. فصل چهل و دوم: خوشه‌بندی سلسله مراتبی
  • 44. فصل چهل و سوم: کاهش ابعاد (Dimensionality Reduction)
  • 45. فصل چهل و چهارم: تحلیل مؤلفه‌های اصلی (PCA)
  • 46. فصل چهل و پنجم: مقدمه‌ای بر مصورسازی داده‌ها
  • 47. فصل چهل و ششم: پکیج ggplot2 برای مصورسازی
  • 48. فصل چهل و هفتم: نمودارهای پراکندگی پیشرفته
  • 49. فصل چهل و هشتم: نمودارهای خطی و زمانی
  • 50. فصل چهل و نهم: نمودارهای میله‌ای و دسته‌بندی
  • 51. فصل پنجاهم: نقشه‌ها و داده‌های جغرافیایی
  • 52. فصل پنجاه و یکم: مصورسازی داده‌های شبکه‌ای
  • 53. فصل پنجاه و دوم: تکنیک‌های مصورسازی تعاملی
  • 54. فصل پنجاه و سوم: مقدمه‌ای بر تحلیل متن
  • 55. فصل پنجاه و چهارم: پیش‌پردازش متن در R
  • 56. فصل پنجاه و پنجم: تحلیل فراوانی کلمات
  • 57. فصل پنجاه و ششم: مدل‌سازی موضوعی (Topic Modeling)
  • 58. فصل پنجاه و هفتم: تحلیل احساسات (Sentiment Analysis)
  • 59. فصل پنجاه و هشتم: مقدمه‌ای بر پایگاه‌های داده
  • 60. فصل پنجاه و نهم: اتصال R به پایگاه‌های داده SQL
  • 61. فصل شصتم: کوئری‌نویسی SQL پایه
  • 62. فصل شصت و یکم: تحلیل داده‌های بزرگ (Big Data)
  • 63. فصل شصت و دوم: ابزارهای متن‌باز برای تحلیل داده‌های بزرگ
  • 64. فصل شصت و سوم: مفاهیم مهندسی داده
  • 65. فصل شصت و چهارم: طراحی و پیاده‌سازی خطوط لوله داده (Data Pipelines)
  • 66. فصل شصت و پنجم: مقدمه‌ای بر داده‌کاوی (Data Mining)
  • 67. فصل شصت و ششم: الگوریتم‌های قوانین انجمنی (Association Rules)
  • 68. فصل شصت و هفتم: تحلیل سبد خرید (Market Basket Analysis)
  • 69. فصل شصت و هشتم: مقدمه‌ای بر یادگیری عمیق (Deep Learning)
  • 70. فصل شصت و نهم: شبکه‌های عصبی پرسپترون چندلایه
  • 71. فصل هفتادم: شبکه‌های عصبی کانولوشنال (CNN)
  • 72. فصل هفتاد و یکم: شبکه‌های عصبی بازگشتی (RNN)
  • 73. فصل هفتاد و دوم: کاربردهای یادگیری عمیق در تحلیل داده
  • 74. فصل هفتاد و سوم: مقدمه‌ای بر هوش مصنوعی (AI)
  • 75. فصل هفتاد و چهارم: اخلاق در تحلیل داده و هوش مصنوعی
  • 76. فصل هفتاد و پنجم: حریم خصوصی داده‌ها و امنیت اطلاعات
  • 77. فصل هفتاد و ششم: سوگیری در الگوریتم‌ها و داده‌ها
  • 78. فصل هفتاد و هفتم: مسئولیت‌پذیری در سیستم‌های هوش مصنوعی
  • 79. فصل هفتاد و هشتم: کاربردهای تحلیل داده در صنعت
  • 80. فصل هفتاد و نهم: کاربردهای تحلیل داده در پزشکی و سلامت
  • 81. فصل هشتادم: کاربردهای تحلیل داده در امور مالی
  • 82. فصل هشتاد و یکم: کاربردهای تحلیل داده در بازاریابی
  • 83. فصل هشتاد و دوم: کاربردهای تحلیل داده در علوم اجتماعی
  • 84. فصل هشتاد و سوم: تحلیل داده‌های شبکه‌های اجتماعی
  • 85. فصل هشتاد و چهارم: مقدمه‌ای بر بهینه‌سازی (Optimization)
  • 86. فصل هشتاد و پنجم: الگوریتم‌های بهینه‌سازی
  • 87. فصل هشتاد و ششم: کاربردهای بهینه‌سازی در تحلیل داده
  • 88. فصل هشتاد و هفتم: مقدمه‌ای بر شبیه‌سازی (Simulation)
  • 89. فصل هشتاد و هشتم: شبیه‌سازی مونت کارلو
  • 90. فصل هشتاد و نهم: کاربردهای شبیه‌سازی در تحلیل داده
  • 91. فصل نودم: مقدمه‌ای بر ابزارهای تحلیل داده پیشرفته
  • 92. فصل نود و یکم: اکوسیستم داده در پایتون (Pandas, NumPy, Scikit-learn)
  • 93. فصل نود و دوم: مقایسه R و پایتون برای تحلیل داده
  • 94. فصل نود و سوم: ابزارهای مصورسازی تعاملی پیشرفته (Shiny)
  • 95. فصل نود و چهارم: مدیریت پروژه در تحلیل داده
  • 96. فصل نود و پنجم: مستندسازی و گزارش‌دهی نتایج تحلیل
  • 97. فصل نود و ششم: ارزیابی کیفیت مدل‌های تحلیلی
  • 98. فصل نود و هفتم: پیاده‌سازی مدل‌های تحلیلی در محیط عملیاتی
  • 99. فصل نود و هشتم: روندهای آینده در تحلیل داده
  • 100. فصل نود و نهم: جمع‌بندی و مسیرهای پیشرفت

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.