تسلط به آمار با استفاده از R: کدنویسی، مفاهیم، کاربردها

آنچه یاد خواهید گرفت:

• برنامه‌نویسی R و آماده‌سازی داده
• برنامه‌نویسی R برای تحلیل داده
• نوشتن کدهای R تمیز و قابل بازتولید
• مهارت‌های دستکاری داده با Tidyverse
• آماده‌سازی داده با dplyr و tidyr
• مصورسازی داده با ggplot2
• مدیریت مجموعه داده‌های آشفته و واقعی 
• ایجاد نمودارهای واضح و حرفه‌ای
• سازماندهی پروژه‌ها برای قابلیت بازتولید
• شامل اسکریپت‌های GitHub برای کدنویسی همزمان
• مفاهیم هسته‌ای آمار
• درک تنوع نمونه‌گیری
• بررسی توزیع‌های آماری
• قضیه حد مرکزی در عمل
• خطای استاندارد و فواصل اطمینان
• منطق آزمون فرضیه
• فرضیه‌های صفر در مقابل فرضیه‌های جایگزین
• مقادیر P و آزمون معناداری
• مقایسه مؤثر آزمون‌های آماری
• ایجاد شهود تحلیلی به‌صورت عملی
• آمار استنباطی و مدل‌سازی
• اجرای تست t در R
• ANOVA و مقایسه‌های گروهی
• تست Chi-square برای داده‌های دسته‌بندی شده
• مدل‌سازی رگرسیون خطی در R
• درک مفروضات آزمون‌ها
• تفسیر اندازه‌های اثر در R
• تحلیل داده عملی
• سناریوهای داده‌های آشفته و واقعی
• تحلیل و پالایش تکرارشونده
• تصمیم‌گیری در شرایط عدم قطعیت
• تفسیر نتایج مانند یک پژوهشگر
• تمرین‌های هدایت‌شده برای تمرین
• نمایش گام‌به‌گام کدها
• ایجاد اعتماد به نفس به‌عنوان یک تحلیلگر داده
• اعمال آمار در پروژه‌های واقعی

پیش نیازهای دوره

• هیچ دانش یا مهارتی برای این دوره لازم نیست.
• تجربه کدنویسی به هر زبانی مفید است اما ضروری نیست.
• آشنایی با اصطلاحات اولیه آمار مانند توصیفی، استنباطی، میانگین، انحراف معیار مفید است، اما ضروری نیست.

توضیحات دوره

با یادگیری آمار به روش مدرن عملی، شهودی و با ابزارهای دنیای واقعی قدرت داده‌ها را آزاد کنید. این دوره برای دانشجویان، پژوهشگران و متخصصانی طراحی شده است که می‌خواهند فراتر از حفظ فرمول‌ها حرکت کنند و واقعاً چگونگی تحلیل داده‌ها را درک کنند. با استفاده از برنامه‌نویسی R و tidyverse، شما هم تسلط بر کدنویسی و هم شهود آماری مورد نیاز برای کار مانند یک تحلیلگر واقعی را به دست خواهید آورد.

کار از سطح پایه شروع می‌شود: سازماندهی مجموعه داده‌های آشفته به داده‌های مرتب، نوشتن کدهای تمیز و قابل بازتولید، و مصورسازی مؤثر اطلاعات. از آنجا، شما تجربه عملی با منطق استنتاج تنوع نمونه‌گیری، توزیع‌ها، فواصل اطمینان و آزمون فرضیه را از طریق مثال‌های گام‌به‌گام و قابل درک به دست خواهید آورد. در طول مسیر، خواهید دید که چگونه تست t و chi-square، همبستگی و رگرسیون همگی تحت یک چارچوب واحد قرار می‌گیرند.

اما این فقط یک دوره درس محور دیگر نیست. شما در کنار مدرس با تمرین‌های هدایت‌شده، اسکریپت‌های کدنویسی همزمان و مجموعه داده‌های واقعی کدنویسی خواهید کرد و مجموعه‌ای از مهارت‌ها را می‌سازید که می‌توانید بلافاصله در تکالیف، پایان‌نامه‌ها، مقالات یا پروژه‌های محل کار خود به کار ببرید. شما همچنین تکنیک‌های پیشرفته‌تری مانند bootstrapping ،resampling و مدل‌سازی رگرسیون را بررسی خواهید کرد و تقویت می‌کنید که چگونه این ابزارها فراتر از کلاس درس و به حوزه پژوهش و عمل حرفه‌ای گسترش می‌یابند.

تا پایان این دوره، شما قادر خواهید بود:

• کدهای R بنویسید که تمیز، کارآمد و قابل بازتولید باشند.
• مجموعه گسترده‌ای از روش‌های آمار استنباطی را بر روی داده‌های واقعی اعمال کنید.
• نتایج را به شیوه‌های واضح و قانع‌کننده مصور کنید.
• اعتماد به نفس لازم برای رویکرد به داده‌ها مانند یک تحلیلگر باتجربه را توسعه دهید.

چه در آمار تازه‌کار باشید، چه در حال گذار به نقشی داده-محور باشید، یا به دنبال اصول قوی‌تر برای پژوهش باشید، این دوره یک مسیر جامع، ساختاریافته و عملی برای تسلط به آمار با R ارائه می‌دهد. امروز بپیوندید و شروع به ساخت ابزارهایی برای تبدیل داده به دانش کنید.

این دوره برای چه کسانی مناسب است؟

• دانشجویان و پژوهشگران تازه‌کار
• دانشجویان روانشناسی که آمار یاد می‌گیرند.
• دانشجویان رشته‌های زیست‌شناسی و علوم اعصاب که از R استفاده می‌کنند.
• مبتدیان تحلیل داده در بهداشت عمومی
• دانشجویان کارشناسی علوم اجتماعی در دروس روش تحقیق
• دانشجویان تحصیلات تکمیلی که پایان‌نامه‌های خود را با داده می‌نویسند.
• پژوهشگران تازه‌کار که مقالات خود را آماده می‌کنند.
• دانشجویانی که به گردش کار R قابل بازتولید نیاز دارند.
• متخصصان در حال گذار به نقش‌های داده-محور
• متخصصان مراقبت‌های بهداشتی که آمار R را یاد می‌گیرند.
• پژوهشگران حوزه آموزش که داده‌های دانشجویان را تحلیل می‌کنند.
• کارکنان سازمان‌های غیرانتفاعی که با داده‌های نظرسنجی کار می‌کنند.
• تحلیلگران سیاست‌گذاری که ابزارهای آماری را یاد می‌گیرند.
• متخصصانی که به سمت مشاغل علوم داده حرکت می‌کنند.
• افرادی با پیش‌زمینه آمار که با R تازه آشنا شده‌اند.
• فراگیرانی که به دنبال روش‌های مدرن tidyverse هستند.
• فراگیران خودآموز و مادام‌العمر
• مبتدیانی که خواهان یک مسیر هدایت‌شده R هستند.
• کدنویسان خودآموز که به یادگیری ساختاریافته نیاز دارند.
• فراگیران مادام‌العمر که در حال بررسی علوم داده هستند.
• علاقه‌مندانی که خواهان تحلیل داده‌های واقعی هستند.
• فراگیرانی که مثال‌های گام‌به‌گام واضح را ترجیح می‌دهند.
• افرادی که به دنبال شهود هستند، نه متدهای جعبه-سیاه
• فراگیران مستقلی که به‌صورت عملی R را تمرین می‌کنند.
• مبتدیان یادگیری ماشین