سپنتا کتاب اکسپرس
کتاب تحلیل داده‌های بزرگ با Microsoft R: مبانی و کاربردها

کتاب تحلیل داده‌های بزرگ با Microsoft R: مبانی و کاربردها

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 تحلیل داده‌های بزرگ با Microsoft R: مبانی و کاربردها

موضوع کلی: علم داده و تحلیل آماری

موضوع میانی: تحلیل داده‌های حجیم با ابزارهای آماری

📋 سرفصل‌های دوره

  • 1. مبانی علم داده و تحلیل آماری
  • 2. مقدمه‌ای بر تحلیل داده‌های بزرگ
  • 3. نصب و راه‌اندازی Microsoft R
  • 4. آشنایی با محیط RStudio
  • 5. انواع داده‌ها و ساختارهای داده در R
  • 6. مقدمه بر آمار توصیفی
  • 7. محاسبه شاخص‌های مرکزی در R
  • 8. محاسبه شاخص‌های پراکندگی در R
  • 9. نمودارهای آماری در R
  • 10. مقدمه بر آمار استنباطی
  • 11. آزمون فرض آماری
  • 12. آزمون t تک‌نمونه‌ای
  • 13. آزمون t دو نمونه‌ای مستقل
  • 14. آزمون t زوجی
  • 15. آزمون تحلیل واریانس (ANOVA) یک‌طرفه
  • 16. آزمون تحلیل واریانس (ANOVA) دو طرفه
  • 17. مقدمه بر رگرسیون خطی
  • 18. رگرسیون خطی ساده در R
  • 19. ارزیابی مدل رگرسیون خطی ساده
  • 20. رگرسیون خطی چندگانه در R
  • 21. انتخاب متغیر در رگرسیون چندگانه
  • 22. مقدمه بر یادگیری ماشین
  • 23. طبقه‌بندی در یادگیری ماشین
  • 24. مدل‌های طبقه‌بندی در R
  • 25. آموزش مدل‌های طبقه‌بندی
  • 26. ارزیابی مدل‌های طبقه‌بندی
  • 27. مقدمه بر خوشه‌بندی
  • 28. الگوریتم K-Means در R
  • 29. ارزیابی نتایج خوشه‌بندی
  • 30. تحلیل سری‌های زمانی
  • 31. مقدمه بر مدل‌های ARIMA
  • 32. پیاده‌سازی مدل‌های ARIMA در R
  • 33. تحلیل داده‌های حجیم
  • 34. چالش‌های تحلیل داده‌های حجیم
  • 35. ابزارهای تحلیل داده‌های حجیم در R
  • 36. کار با داده‌های بزرگ در R
  • 37. مقدمه بر پایگاه‌های داده
  • 38. اتصال R به پایگاه‌های داده
  • 39. کتابخانه RODBC برای دسترسی به پایگاه داده
  • 40. کار با داده‌های ساختاریافته
  • 41. کار با داده‌های نیمه‌ساختاریافته
  • 42. کار با داده‌های بدون ساختار
  • 43. مقدمه بر پردازش زبان طبیعی
  • 44. تحلیل متن در R
  • 45. بسته‌های پردازش متن در R
  • 46. پاکسازی و پیش‌پردازش متن
  • 47. استخراج ویژگی از متن
  • 48. تحلیل احساسات در R
  • 49. مقدمه بر شبکه‌های عصبی
  • 50. کاربرد شبکه‌های عصبی در علم داده
  • 51. پیاده‌سازی شبکه‌های عصبی ساده در R
  • 52. مقدمه بر یادگیری عمیق
  • 53. کاربرد یادگیری عمیق در تحلیل داده
  • 54. مقدمه بر الگوریتم‌های دسته‌بندی پیشرفته
  • 55. الگوریتم درخت تصمیم
  • 56. الگوریتم جنگل تصادفی
  • 57. الگوریتم ماشین بردار پشتیبان (SVM)
  • 58. مقدمه بر الگوریتم‌های خوشه‌بندی پیشرفته
  • 59. خوشه‌بندی سلسله مراتبی
  • 60. خوشه‌بندی DBSCAN
  • 61. مقدمه بر تحلیل آماری پیشرفته
  • 62. تحلیل داده‌های پرت (Outlier Detection)
  • 63. روش‌های شناسایی داده‌های پرت
  • 64. مدیریت داده‌های پرت
  • 65. مقدمه بر مدل‌سازی پیش‌بینانه
  • 66. ساخت مدل‌های پیش‌بینانه در R
  • 67. ارزیابی مدل‌های پیش‌بینانه
  • 68. بهینه‌سازی مدل‌های پیش‌بینانه
  • 69. مقدمه بر بصری‌سازی داده‌های پیشرفته
  • 70. نمودارهای تعاملی در R
  • 71. کتابخانه Plotly برای نمودارهای تعاملی
  • 72. کتابخانه Shiny برای داشبوردهای تعاملی
  • 73. مقدمه بر مدل‌سازی احتمالاتی
  • 74. مدل‌های مارکوف پنهان (HMM)
  • 75. کاربرد HMM در تحلیل داده
  • 76. مقدمه بر یادگیری تقویتی
  • 77. کاربرد یادگیری تقویتی در علم داده
  • 78. مقدمه بر پردازش تصویر
  • 79. تحلیل تصاویر در R
  • 80. بسته‌های پردازش تصویر در R
  • 81. مقدمه بر تحلیل شبکه‌های اجتماعی
  • 82. تحلیل گرافی در R
  • 83. کتابخانه igraph برای تحلیل شبکه‌ها
  • 84. شاخص‌های تحلیل شبکه
  • 85. مقدمه بر داده‌کاوی
  • 86. قوانین وابستگی (Association Rules)
  • 87. الگوریتم Apriori
  • 88. پیدا کردن قوانین وابستگی در R
  • 89. مقدمه بر هوش مصنوعی
  • 90. اخلاق در هوش مصنوعی و علم داده
  • 91. امنیت داده‌ها و حریم خصوصی
  • 92. کاربرد علم داده در حوزه‌های مختلف
  • 93. تحلیل داده‌های مالی
  • 94. تحلیل داده‌های سلامت
  • 95. تحلیل داده‌های بازاریابی
  • 96. تحلیل داده‌های دولتی
  • 97. مقدمه بر استقرار مدل‌های آماری
  • 98. مراحل استقرار مدل
  • 99. پایش عملکرد مدل
  • 100. به‌روزرسانی مدل‌ها

📚 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.