Udemy – Master statistics using R: Coding, concepts, applications 2025-11

توضیحات

دوره Master statistics using R: Coding, concepts, applications. این دوره به شرکت‌کنندگان این امکان را می‌دهد تا آمار را به شیوه‌ای مدرن، عملی و شهودی فراگیرند. این دوره برای دانشجویان، پژوهشگران و متخصصانی طراحی شده که قصد دارند فراتر از حفظ کردن فرمول‌ها رفته و درک عمیقی از تحلیل داده‌ها به دست آورند. با استفاده از زبان برنامه‌نویسی آر و مجموعه ابزارهای Tidyverse، شرکت‌کنندگان علاوه بر تسلط بر کدنویسی، درک آماری لازم برای فعالیت به عنوان یک تحلیلگر داده را کسب خواهند کرد. دوره از مبانی پایه آغاز می‌شود و شامل سازماندهی مجموعه داده‌های نامرتب، نوشتن کدهای تمیز و قابل بازتولید و نیز روش‌های مؤثر مصورسازی داده‌هاست. سپس با ارائه مثال‌های گام‌به‌گام و قابل فهم، منطق استنباط آماری شامل تغییرپذیری نمونه‌برداری، توزیع‌ها، فواصل اطمینان و آزمون فرضیه آموزش داده می‌شود. در ادامه، آزمون‌های t، کای-دو، همبستگی و رگرسیون در یک چارچوب یکپارچه ارائه می‌گردند. این دوره صرفاً مبتنی بر سخنرانی نیست و شرکت‌کنندگان با انجام تمرین‌های هدایت‌شده، اسکریپت‌نویسی و کار با داده‌های واقعی، مهارت‌هایی را می‌آموزند که بلافاصله قادر به استفاده از آن در تکالیف دانشگاهی، پایان‌نامه‌ها، مقالات و پروژه‌های حرفه‌ای خواهند بود. همچنین تکنیک‌های پیشرفته‌ای مانند بوت‌استرپ، نمونه‌برداری مجدد و مدل‌سازی رگرسیون آموزش داده می‌شود تا ابزارهای لازم برای پژوهش و کار حرفه‌ای فراهم گردد.

آنچه فرا خواهید گرفت

• برنامه‌نویسی R و سازماندهی داده‌ها:
• برنامه‌نویسی R برای تحلیل داده‌ها.
• نوشتن کد R تمیز و قابل بازتولید.
• مهارت‌های مدیریت داده با Tidyverse.
• سازماندهی داده‌ها با dplyr و tidyr.
• بصری‌سازی داده‌ها با ggplot2.
• کار با مجموعه داده‌های نامرتب و واقعی.
• ایجاد پلات‌های واضح و حرفه‌ای.
• سازماندهی پروژه‌ها برای قابلیت بازتولید.
• اسکریپت‌های کدنویسی GitHub نیز گنجانده شده‌اند.
• مفاهیم اصلی آماری:
• درک تغییرپذیری نمونه‌برداری.
• بررسی توزیع‌های آماری.
• نظریه حد مرکزی در عمل.
• خطای استاندارد و فواصل اطمینان.
• منطق آزمون فرضیه.
• فرضیه‌های Null در مقابل فرضیه‌های جایگزین.
• مقادیر P و آزمون معناداری.
• مقایسه مؤثر آزمون‌های آماری.
• ایجاد درک تحلیلی به صورت عملی.
• آمار استنباطی و مدل‌سازی:
• انجام آزمون‌های t در R.
• ANOVA و مقایسه‌های گروهی.
• آزمون Chi-square برای داده‌های دسته‌ای.
• مدل‌سازی رگرسیون خطی در R.
• و…

این دوره مناسب افرادیست که

• دانشجویان و محققان تازه‌کار:
• دانشجویان روانشناسی که آمار را یاد می‌گیرند.
• رشته‌های زیست‌شناسی و علوم اعصاب که از R استفاده می‌کنند.
• مبتدیان در تحلیل داده‌های بهداشت عمومی.
• دانشجویان علوم اجتماعی در روش‌های تحقیق.
• دانشجویان تحصیلات تکمیلی که پایان‌نامه خود را با داده‌ها می‌نویسند.
• محققان تازه‌کار که مقالات را آماده می‌کنند.
• دانشجویانی که به گردش کارهای R قابل بازتولید نیاز دارند.
• متخصصان که به نقش‌های داده‌محور تغییر شغل می‌دهند:
• متخصصان مراقبت‌های بهداشتی که آمار R را یاد می‌گیرند.
• محققان آموزشی که داده‌های دانشجویان را تحلیل می‌کنند.
• و…

مشخصات دوره Master statistics using R: Coding concepts applications

• ناشر: Udemy
• مدرس: Adam Dede, Mike X Cohen
• سطح آموزش: مبتدی
• مدت زمان آموزش: 28 ساعت و 23 دقیقه
• تعداد دروس: 204

سرفصل های دوره

پیشنیازهای دوره Master statistics using R: Coding concepts applications

• No knowledge or skills are required for this course
• Coding experience in any language is helpful but not necessary
• Familiarity with basic stats terms like descriptive, inferential, mean, standard deviation, but not necessary

تصاویر دوره

نمونه فیلم دوره

لینک دانلود

دانلود بخش 1 – 4 گیگابایت

دانلود بخش 2 – 4 گیگابایت

دانلود بخش 3 – 4 گیگابایت

دانلود بخش 4 – 4 گیگابایت

دانلود بخش 5 – 4 گیگابایت

دانلود بخش 6 – 1.43 گیگابایت

گذرواژه فایل(ها): www.downloadly.ir

حجم فایل

21.4 گیگابایت