در حال حاضر محصولی در سبد خرید شما وجود ندارد.
یک راهنمای کامل برای RSTUDIO- از انجام عملیات ساده ، تا توسعه مدل های پیچیده ، تجسم و شبیه سازی
عنوان اصلی : RStudio Bootcamp- for Data Management, Statistics & graphics
سرفصل های دوره :
نصب و معرفی R Studio:
چگونه استودیوی R را نصب کنیم؟
مقدمه ای در استودیوی R
ورودی ها و خروجی ها:
تکنیک های ورودی
تکنیک های خروجی
مسابقه - 1
مدیریت داده ها:
متغیرهای مشتق شده و دستکاری داده ها
مجموعه داده های ادغام ، ترکیب و زیرمجموعه
متغیرهای تاریخ و زمان
مسابقه 2
توابع آماری و ریاضی:
توزیع احتمال و تولید تعداد تصادفی
عملکردهای ریاضی
عملیات ماتریس
مسابقه 3
رابط برنامه نویسی و سیستم عامل (OS):
برنامه نویسی و رابط سیستم عامل
روشهای آماری مشترک:
خلاصه آمار
آمار و آزمایشات دو متغیره برای متغیرهای مداوم
رگرسیون خطی و ANOVA:
اصول رگرسیون
رگرسیون خطی و ANOVA
باقیمانده ها و توطئه های تشخیصی
مسابقه 4
تعمیم رگرسیون و مدل سازی:
رگرسیون لجستیک باینری - اصول اولیه
رگرسیون لجستیک باینری - استودیوی R
رگرسیون پواسون - استودیوی R
تجزیه و تحلیل عاملی با استفاده از R Studio
تجزیه و تحلیل بقا در R - با استفاده از طرح Kaplan -Meier
تجزیه و تحلیل بقا در رگرسیون خطر کاکس
مسابقه 5
compendium گرافیکی:
توطئه های یک متغیره
توطئه های دو متغیره
برخی از توطئه های هدف خاص - نقشه ها و توطئه های تعامل
برخی از توطئه های هدف خاص - توطئه های دایره ای و عادی Q -Q
منحنی ROC
گزینه ها و تنظیمات گرافیکی:
گزینه های گرافیکی با جزئیات
گزینه ها و پارامترها
مسابقه 6
تجزیه و تحلیل سری زمانی:
تجزیه و تحلیل سری زمانی با استفاده از R - قسمت I
تجزیه و تحلیل سری زمانی با استفاده از R - قسمت دوم
شبیه سازی:
شبیه سازی قسمت اول - داده های طبقه بندی ، شبیه سازی رگرسیون لجستیک و لجستیک
شبیه سازی قسمت دوم - شبیه سازی هال مونی
مسابقه 7
RStudio Bootcamp- for Data Management, Statistics & graphics
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
