برنامهنویسی R برای علم داده: از مقدماتی تا پیشرفته
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- در این دوره، دانشجویان اصول برنامهنویسی R و کاربرد آن در علم داده را خواهند آموخت.
- آنها دستکاری داده، مصورسازی و تحلیل آماری را با مجموعه دادهی دنیای واقعی تمرین خواهند کرد.
- موضوعات پیشرفتهای مانند احتمال، تست فرض و مدلسازی رگرسیون نیز پوشش داده خواهد شد.
- در پایان، دانشجویان قادر خواهند بود داده را با استفاده از R با اعتماد به نفس تحلیل، تفسیر و مصورسازی کنند.
پیشنیازهای دوره
- هیچ تجربه برنامهنویسی لازم نیست.
- فقط یک کامپیوتر با دسترسی به اینترنت و نرمافزار R نصب شده
- ریاضیات اولیه کمککننده است، اما الزامی نیست.
- کنجکاوی و اشتیاق به یادگیری علم داده با R را همراه داشته باشید!
توضیحات دوره
به دوره «برنامهنویسی R برای علم داده: از مقدماتی تا تحلیل پیشرفته» خوش آمدید، راهنمای کامل شما برای یادگیری R و به کارگیری آن در تسک های علم داده دنیای واقعی است.
این دوره برای مبتدیان و تحلیلگران داده مشتاق طراحی شده است که میخواهند اصول قوی در برنامهنویسی R و تحلیل داده بسازند، حتی اگر هیچ تجربه قبلی در کدنویسی نداشته باشند.
شما با یادگیری نحوه نصب و استفاده از R و RStudio شروع خواهید کرد، مفاهیم اصلی برنامهنویسی R را درک میکنید و با ساختارهای داده مانند بردارها، ماتریسها و دیتا فریمها کار خواهید کرد. گام به گام، به سراغ دستکاری داده، مصورسازی و تحلیل آماری خواهید رفت و از ابزارهایی مانند ggplot2 و توابع داخلی R استفاده خواهید کرد.
با پیشرفت دوره، شما احتمال، آزمون فرض، رگرسیون، کار با ساختارهای داده، درک اصول R، ورودی و مدیریت داده، و تکنیکهای پیشرفته مصورسازی داده در R را بررسی خواهید کرد و مهارتهای عملی مورد نیاز برای تحلیل و تفسیر داده با اعتماد به نفس را کسب خواهید کرد. در پایان دوره، شما نه تنها به اصول R مسلط خواهید شد، بلکه خواهید دانست چگونه آنها را در پروژههای دادهمحور به کار ببرید.
چه دانشجو باشید، چه مهندس QA، توسعهدهنده یا تحلیلگری که به دنبال ورود به علم داده است، این دوره شما را در هر مرحله راهنمایی خواهد کرد از مبانی تا تحلیل پیشرفته ست.
این دوره شامل استفاده از هوش مصنوعی است.
این دوره برای چه کسانی مناسب است؟
- این دوره برای مبتدیانی که میخواهند یادگیری علم داده با R را شروع کنند، عالی است.
- این دوره برای دانشجویان، تحلیلگران یا متخصصانی که به دنبال ارتقای مهارتهای داده خود هستند، بسیار مناسب است.
- مهندسان QA یا توسعهدهندگانی که میخواهند تحلیل داده را بررسی کنند نیز از آن بهرهمند خواهند شد.
- هر کسی که درباره داده کنجکاو است و مشتاق یادگیری برنامهنویسی کاربردی R است، خوش آمد میگوییم!
برنامهنویسی R برای علم داده: از مقدماتی تا پیشرفته
-
مبانی برنامهنویسی R 08:43
-
نصب R و پکیجهای مشارکتی 08:59
-
کار با RStudio 09:12
-
حساب عددی و بردارها 06:34
-
رفتار بردار-محور 07:58
-
مقدمهای بر ماتریسها و آرایهها 08:37
-
عملیات پیشرفته با ماتریسها و آرایهها 06:29
-
عملگرهای منطقی در R 07:40
-
دستکاری دادهها با فاکتورها 08:17
-
لیستها و دیتا فریمها در R 06:26
-
ایجاد و دستکاری دیتا فریمها 11:52
-
مقادیر خاص در R 07:33
-
کلاسهای آبجکت و تبدیل نوع در R 06:26
-
درک محیطها 08:45
-
قوانین تطبیق آرگومان 09:08
-
مکانیسمهای کنترل جریان 07:04
-
تکنیکهای پیشرفته حلقهسازی 06:39
-
مروری بر نوشتن توابع 08:40
-
پیادهسازی توابع تخصصی 07:56
-
مدیریت استثنا در R 04:17
-
ردیابی پیشرفت و زمانبندی در R 06:13
-
خواندن و نوشتن فایلها 07:09
-
مجموعه دادههای داخلی 06:19
-
مبانی رسم نمودار در R 08:09
-
استفاده از Ggplot2 برای مصورسازی داده 08:55
-
تکنیکهای پیشرفته مصورسازی داده 08:10
-
تکنیکهای مصورسازی داده 10:24
-
تحلیل پیشرفته نمودار پراکندگی 08:32
-
سفارشیسازی پیشرفته نمودار در گرافیک R 09:42
-
پیشروی با دستور زبان گرافیک 08:47
-
درک رنگها و نمودارها در R 08:55
-
رسم نمودار سه بعدی تعاملی در R 08:43
-
آمار و تحلیل داده 08:08
-
معیارهای مرکزی و پراکندگی 08:53
-
مقدمهای بر مفاهیم احتمال 09:31
-
درک متغیرهای تصادفی و توزیعها 10:10
-
توزیعهای احتمال رایج 07:08
-
تکنیکهای احتمالی پیشرفته 09:24
-
توزیعهای نمونهگیری و فواصل اطمینان 06:40
-
ساخت فواصل اطمینان 07:33
-
اجزای تست فرض 07:58
-
تست میانگینها 06:03
-
مفاهیم آنالیز واریانس یکطرفه 07:40
-
مفاهیم آنالیز واریانس دوطرفه 08:31
-
مروری بر رگرسیون خطی ساده 05:44
-
درک پیشبینیکنندههای طبقهای در مدلهای رگرسیون 07:43
-
تئوری رگرسیون چندگانه 08:56
-
تعاملات مرتبه بالاتر 07:24
-
اصول رگرسیون خطی 06:21
-
متدهای تشخیصی برای اعتبارسنجی مدل 08:12
-
راهنمای جامع برنامهنویسی R 00:59
مشخصات آموزش
برنامهنویسی R برای علم داده: از مقدماتی تا پیشرفته
- تاریخ به روز رسانی: 1404/10/04
- سطح دوره:همه سطوح
- تعداد درس:51
- مدت زمان :06:40:11
- حجم :1.35GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy