آموزش جامع و گام‌به‌گام برنامه‌نویسی R؛ از نخستین خط کد تا گزارش پژوهشی تکرارپذیر این دوره در ۱۸ جلسه و ۷ بخش ساختاریافته، شما را از مرحلهٔ صفر تا تسلط بر تحلیل داده‌های علمی و تولید خروجی‌های استاندارد دانشگاهی همراهی می‌کند. تمامی کدهای این مجموعه روی R نسخهٔ 4.3 اجرا و راستی‌آزمایی شده‌اند.
آخرین به‌روزرسانی: ۱۴ مهر ۱۴۰۵
برای تهیه و استفاده، برنامه‌ی بین‌کاو را باز کنید و به بخش بازارچه بروید. هزینه از اعتبار حساب شما کسر می‌شود.
📌 آنچه در این دوره می‌آموزید:
محیط کاربری و مدیریت پروژه: نصب و پیکربندی R و RStudio، کار با کنسول و اسکریپت‌ها، مدیریت متغیرها و بسته‌ها، ساخت پروژهٔ منظم و بررسی داده‌های مجموعهٔ gapminder.
مبانی و ساختارهای داده: شناخت انواع داده، بردارها (Vectors)، لیست‌ها، فاکتورها، ماتریس‌ها و دیتافریم‌ها به‌همراه تکنیک‌های زیرمجموعه‌گیری شرطی و منطقی.
برنامه‌نویسی و اتوماسیون: دستورات شرطی (if/else)، حلقه‌های تکرار (for و while)، برداری‌سازی (Vectorization) و توابع اختصاصی.
مصورسازی پیشرفته با ggplot2: ترسیم نمودارهای پراکنش، خطی، جعبه‌ای و چندپانلی (Faceting) آمادهٔ انتشار در مقالات علمی و ذخیره‌سازی با ggsave و write.csv (با پشتیبانی کامل از خروجی‌های فارسی در قالب UTF-8).
پالایش و مدیریت داده با tidyverse: کار با بسته‌های dplyr (شامل select، filter، group_by، summarize، mutate و عملگر پایپ %>%) و tidyr (شامل pivot_longer، pivot_wider، separate و unite).
پژوهش تکرارپذیر و مستندسازی: نگارش و خروجی‌گیری گزارش‌های HTML و Word با R Markdown و knitr.
توسعهٔ مطمئن نرم‌افزار پژوهشی: آزمون‌نویسی با testthat، کنترل نسخه با Git و مدیریت پایدار وابستگی‌ها با renv.
🎯 پروژهٔ پایانی:
تحلیل، مقایسه و تدوین گزارش علمی از روند تغییرات امید به زندگی و درآمد سرانهٔ ایران در بازهٔ ۱۹۵۲ تا ۲۰۰۷ در مقایسه با کشورهای همسایه و میانهٔ قارهٔ آسیا.
💡 ساختار آموزشی هر جلسه:
هر جلسه شامل آموزش مفهومی، نمونه‌کدهای اجرایی با خروجی واقعی، پرسش‌های کوتاه، تمرین‌های کدنویسی و تکالیف عملی است. همچنین یادداشت‌های جامع جلسات در قالب فصول یک کتاب درسی مدون در دسترس قرار دارد و دستیار آموزشی هوش مصنوعی در تدریس گام‌به‌گام، ارزیابی پاسخ‌ها و رفع اشکال تا تسلط بر هر هدف همراه شماست.
منبع و اصالت دوره: این مجموعه برگردان و بازنویسیِ بسط‌یافتهٔ دورهٔ معتبر Software Carpentry با عنوان «R for Reproducible Scientific Analysis» است (تحت مجوز بین‌المللی CC BY 4.0، به آدرس swcarpentry.github.io/r-novice-gapminder).
ارزش‌افزوده و تغییرات: ترجمه به فارسی، بسط توضیحات نظری، بازنویسی مثال‌ها، تمرین‌های هدفمند و طراحی یک پروژهٔ پایانی بومی‌سازی‌شده.
کلیدواژه‌ها: آموزش R، آموزش RStudio، برنامه‌نویسی R، تحلیل داده، آمار با R، علم داده، tidyverse، dplyr، tidyr، ggplot2، R Markdown، knitr، پژوهش تکرارپذیر، gapminder.
آموزش جامع و گام‌به‌گام برنامه‌نویسی R؛ از نخستین خط کد تا گزارش پژوهشی تکرارپذیر این دوره در ۱۸ جلسه و ۷ بخش ساختاریافته، شما را از مرحلهٔ صفر تا تسلط بر تحلیل داده‌های علمی و تولید خروجی‌های استاندارد دانشگاهی همراهی می‌کند. تمامی کدهای این مجموعه روی R نسخهٔ 4.3 اجرا و راستی‌آزمایی شده‌اند. 📌 آنچه در این دوره می‌آموزید: محیط کاربری و مدیریت پروژه: نصب و پیکربندی R و RStudio، کار با کنسول و اسکریپت‌ها، مدیریت متغیرها و بسته‌ها، ساخت پروژهٔ منظم و بررسی داده‌های مجموعهٔ gapminder. مبانی و ساختارهای داده: شناخت انواع داده، بردارها (Vectors)، لیست‌ها، فاکتورها، ماتریس‌ها و دیتافریم‌ها به‌همراه تکنیک‌های زیرمجموعه‌گیری شرطی و منطقی. برنامه‌نویسی و اتوماسیون: دستورات شرطی (if/else)، حلقه‌های تکرار (for و while)، برداری‌سازی (Vectorization) و توابع اختصاصی. مصورسازی پیشرفته با ggplot2: ترسیم نمودارهای پراکنش، خطی، جعبه‌ای و چندپانلی (Faceting) آمادهٔ انتشار در مقالات علمی و ذخیره‌سازی با ggsave و write.csv (با پشتیبانی کامل از خروجی‌های فارسی در قالب UTF-8). پالایش و مدیریت داده با tidyverse: کار با بسته‌های dplyr (شامل select، filter، group_by، summarize، mutate و عملگر پایپ %>%) و tidyr (شامل pivot_longer، pivot_wider، separate و unite). پژوهش تکرارپذیر و مستندسازی: نگارش و خروجی‌گیری گزارش‌های HTML و Word با R Markdown و knitr. توسعهٔ مطمئن نرم‌افزار پژوهشی: آزمون‌نویسی با testthat، کنترل نسخه با Git و مدیریت پایدار وابستگی‌ها با renv. 🎯 پروژهٔ پایانی: تحلیل، مقایسه و تدوین گزارش علمی از روند تغییرات امید به زندگی و درآمد سرانهٔ ایران در بازهٔ ۱۹۵۲ تا ۲۰۰۷ در مقایسه با کشورهای همسایه و میانهٔ قارهٔ آسیا. 💡 ساختار آموزشی هر جلسه: هر جلسه شامل آموزش مفهومی، نمونه‌کدهای اجرایی با خروجی واقعی، پرسش‌های کوتاه، تمرین‌های کدنویسی و تکالیف عملی است. همچنین یادداشت‌های جامع جلسات در قالب فصول یک کتاب درسی مدون در دسترس قرار دارد و دستیار آموزشی هوش مصنوعی در تدریس گام‌به‌گام، ارزیابی پاسخ‌ها و رفع اشکال تا تسلط بر هر هدف همراه شماست. منبع و اصالت دوره: این مجموعه برگردان و بازنویسیِ بسط‌یافتهٔ دورهٔ معتبر Software Carpentry با عنوان «R for Reproducible Scientific Analysis» است (تحت مجوز بین‌المللی CC BY 4.0، به آدرس swcarpentry.github.io/r-novice-gapminder). ارزش‌افزوده و تغییرات: ترجمه به فارسی، بسط توضیحات نظری، بازنویسی مثال‌ها، تمرین‌های هدفمند و طراحی یک پروژهٔ پایانی بومی‌سازی‌شده. کلیدواژه‌ها: آموزش R، آموزش RStudio، برنامه‌نویسی R، تحلیل داده، آمار با R، علم داده، tidyverse، dplyr، tidyr، ggplot2، R Markdown، knitr، پژوهش تکرارپذیر، gapminder.
۱۸ درس در ۷ بخش
هنوز نظری ثبت نشده است. فقط کسانی که این مورد را تهیه کرده‌اند می‌توانند نظر بدهند.
بین‌کاو