کتاب جامع RStudio: از مقدماتی تا پیشرفته برای تحلیل داده

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 جامع RStudio: از مقدماتی تا پیشرفته برای تحلیل داده

موضوع کلی: تحلیل داده و برنامه‌نویسی علمی

موضوع میانی: ابزارهای تحلیل داده و برنامه‌نویسی آماری

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر تحلیل داده و RStudio
  • 2. نصب و پیکربندی R و RStudio
  • 3. آشنایی با محیط RStudio
  • 4. مفاهیم پایه R: متغیرها و انواع داده
  • 5. ساختارهای داده در R: بردارها
  • 6. ساختارهای داده در R: ماتریس‌ها
  • 7. ساختارهای داده در R: آرایه‌ها
  • 8. ساختارهای داده در R: لیست‌ها
  • 9. ساختارهای داده در R: فریم‌های داده
  • 10. عملیات پایه با فریم‌های داده
  • 11. فانکشن‌ها و توابع در R
  • 12. نوشتن و استفاده از توابع سفارشی
  • 13. کنترل جریان برنامه: دستورات شرطی (if, else)
  • 14. کنترل جریان برنامه: حلقه‌ها (for, while)
  • 15. کار با رشته‌ها و متون
  • 16. کار با تاریخ و زمان
  • 17. مدیریت بسته‌ها در R
  • 18. نصب و بارگذاری بسته‌های R
  • 19. مقدمه‌ای بر بسته‌های محبوب برای تحلیل داده
  • 20. بسته dplyr برای دستکاری داده
  • 21. فیلتر کردن داده‌ها با dplyr
  • 22. مرتب‌سازی داده‌ها با dplyr
  • 23. انتخاب ستون‌ها با dplyr
  • 24. ایجاد ستون‌های جدید با dplyr
  • 25. خلاصه‌سازی داده‌ها با dplyr
  • 26. ترکیب فریم‌های داده با dplyr
  • 27. مقدمه‌ای بر داده‌کاوی و یادگیری ماشین
  • 28. مفاهیم پایه یادگیری ماشین
  • 29. انواع یادگیری ماشین: نظارت شده و بدون نظارت
  • 30. مقدمه‌ای بر پیش‌پردازش داده‌ها
  • 31. پاکسازی داده‌های گمشده
  • 32. شناسایی و مدیریت داده‌های پرت
  • 33. تبدیل و نرمال‌سازی داده‌ها
  • 34. انتخاب ویژگی
  • 35. مقدمه‌ای بر مدل‌های رگرسیون خطی
  • 36. اجرای رگرسیون خطی در R
  • 37. تفسیر نتایج رگرسیون خطی
  • 38. مقدمه‌ای بر مدل‌های طبقه‌بندی
  • 39. رگرسیون لجستیک در R
  • 40. طبقه‌بندی‌کننده K-نزدیک‌ترین همسایه (KNN)
  • 41. درخت‌های تصمیم
  • 42. جنگل‌های تصادفی (Random Forests)
  • 43. ماشین‌های بردار پشتیبان (SVM)
  • 44. مقدمه‌ای بر خوشه‌بندی
  • 45. الگوریتم K-Means
  • 46. خوشه‌بندی سلسله مراتبی
  • 47. ارزیابی مدل‌های خوشه‌بندی
  • 48. مقدمه‌ای بر تحلیل سری‌های زمانی
  • 49. کار با داده‌های سری زمانی در R
  • 50. مدل‌های ARIMA
  • 51. تحلیل فصلی در سری‌های زمانی
  • 52. مقدمه‌ای بر مصورسازی داده‌ها
  • 53. بسته ggplot2 برای مصورسازی
  • 54. نمودارهای پراکندگی
  • 55. نمودارهای میله‌ای
  • 56. نمودارهای خطی
  • 57. نمودارهای جعبه‌ای (Box Plots)
  • 58. نمودارهای هیستوگرام
  • 59. نقشه‌های حرارتی (Heatmaps)
  • 60. مصورسازی داده‌های جغرافیایی
  • 61. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
  • 62. کار با داده‌های شبکه‌های اجتماعی در R
  • 63. مفاهیم گراف و شبکه
  • 64. مصورسازی شبکه‌ها
  • 65. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 66. کار با متن در R
  • 67. پاکسازی و پیش‌پردازش متن
  • 68. مدل‌سازی موضوعی (Topic Modeling)
  • 69. مقدمه‌ای بر تحلیل آماری پیشرفته
  • 70. آزمون‌های فرض آماری
  • 71. آزمون t
  • 72. آزمون کای دو
  • 73. تحلیل واریانس (ANOVA)
  • 74. مقدمه‌ای بر تحلیل بقا
  • 75. توابع بقا
  • 76. منحنی کاپلان-مایر
  • 77. مقدمه‌ای بر یادگیری عمیق
  • 78. شبکه‌های عصبی مصنوعی
  • 79. نصب و استفاده از بسته‌های یادگیری عمیق
  • 80. مقدمه‌ای بر بهینه‌سازی
  • 81. الگوریتم‌های بهینه‌سازی
  • 82. کاربرد بهینه‌سازی در تحلیل داده
  • 83. مقدمه‌ای بر تولید گزارش و مستندسازی
  • 84. تولید گزارش با R Markdown
  • 85. استفاده از Shiny برای ساخت داشبوردهای تعاملی
  • 86. مقدمه‌ای بر توسعه ابزارهای تحلیل داده
  • 87. اصول برنامه‌نویسی تمیز
  • 88. اشکال‌زدایی (Debugging) در R
  • 89. مدیریت پروژه در RStudio
  • 90. کار با کنترل نسخه (Git)
  • 91. مقدمه‌ای بر اخلاق در تحلیل داده
  • 92. حفظ حریم خصوصی داده‌ها
  • 93. سوگیری در الگوریتم‌ها
  • 94. ملاحظات اخلاقی در مصورسازی داده‌ها
  • 95. تکنیک‌های پیشرفته در RStudio
  • 96. بهینه‌سازی کد R
  • 97. استفاده از Rcpp برای افزایش سرعت
  • 98. مقدمه‌ای بر یادگیری تقویتی
  • 99. اصول یادگیری تقویتی
  • 100. کاربرد یادگیری تقویتی

📚 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.