نسخه‌ی آزمایشی — درگاه پرداخت آزمایشی است و هیچ تراکنش مالی واقعی انجام نمی‌شود.
ورودشروع رایگان
دورهبررسی نشده

آموزش R برای پژوهشگران: تحلیل داده‌ی بازتولیدپذیر

کارگاه عملی مقدماتی، ویژه آموزش اصول برنامه‌نویسی و استانداردهای تحلیل تکرارپذیر داده‌ها با زبان R برای پژوهشگران

سازنده: بین کاوهنوز امتیازی ندارد
رایگان

آخرین به‌روزرسانی: ۱۱ مهر ۱۴۰۵

برای تهیه و استفاده، برنامه‌ی بین‌کاو را باز کنید و به بخش بازارچه بروید. هزینه از اعتبار حساب شما کسر می‌شود.

دانلود برنامه

سرفصل‌های دوره

آموزش کامل R برای پژوهشگران: از نصب و مدیریت پروژه تا ساختارهای داده، dplyr، tidyr، ggplot2 و گزارش بازتولیدپذیر با R Markdown. این دوره بر پایه‌ی برنامه‌ی درسی کارگاه «R for Reproducible Scientific Analysis» از Software Carpentry (The Carpentries، مجوز CC-BY 4.0) به فارسی نوشته شده است؛ متن، مثال‌ها و تمرین‌ها برای فارسی‌زبانان تالیف شده‌اند. منبع برنامه‌ی درسی: https://swcarpentry.github.io/r-novice-gapminder/

۱۵ درس در ۵ بخش

۱. شروع کار با R و RStudio

  1. چرا R؟ آشنایی با RStudio و اولین محاسبات
    انگیزه‌ی استفاده از R در پژوهش، آشنایی با محیط RStudio، اجرای کد از اسکریپت، و استفاده از R به‌عنوان ماشین‌حساب.
    ۸ گام · ۴ تمرین
  2. مدیریت پروژه: داده، کد و خروجی هر کدام جای خودشان
    ساخت پروژه‌ی RStudio، ساختار پوشه‌ها، داده به‌مثابه فقط-خواندنی، و مسیر کاری (working directory).
    ۷ گام · ۴ تمرین
  3. گرفتن کمک: راهنمای R، جست‌وجوی درست و پرسیدن سؤال خوب
    خواندن صفحات راهنما، جست‌وجوی مؤثر خطاها، و چارچوب پرسیدن سؤال که جواب بگیرد.
    ۷ گام · ۳ تمرین

۲. ساختارهای داده گام‌به‌گام

  1. انواع داده و بردارها: آجرهای ساختمان
    چهار نوع پایه (numeric، character، logical، factor)، ساختن بردار با c()‎، و تبدیل خودکار نوع‌ها.
    ۸ گام · ۴ تمرین
  2. فهرست، ماتریس و دیتافریم: خانه‌ی اصلی داده‌ی پژوهشی
    تفاوت list و matrix و data.frame، ساختن دیتافریم، و چرا دیتافریم قلب کار روزمره است.
    ۷ گام · ۴ تمرین
  3. زیرمجموعه‌گیری: دقیقاً همان بخشی از داده که می‌خواهید
    انتخاب با شماره، با نام و با شرط منطقی از بردار و دیتافریم؛ پرهیز از تله‌های رایج.
    ۸ گام · ۴ تمرین

۳. کنترل جریان و توابع گام‌به‌گام

  1. جریان کنترل: تصمیم‌گیری با if و تکرار با for
    اجازه دادن به کد برای تصمیم‌گرفتن با if/else و تکرار کارها با حلقه‌ی for.
    ۶ گام · ۳ تمرین
  2. عملیات برداری: قدرت پنهان R
    چرا در R عمل روی کل بردار یک‌جا انجام می‌شود و چطور این کار کد را کوتاه‌تر و خواناتر می‌کند.
    ۶ گام · ۳ تمرین
  3. نوشتن تابع: تکرار را به ابزار تبدیل کنید
    چرا و چطور تابع بنویسیم: ورودی، بدنه، خروجی، مقدار پیش‌فرض و مستندسازی.
    ۷ گام · ۴ تمرین

۴. مصورسازی و گزارش بازتولیدپذیر گام‌به‌گام

  1. مصورسازی با ggplot2: گرامر نمودار
    ساختن نمودار لایه‌لایه با ggplot2: نگاشت داده به زیبایی‌شناسی، هندسه‌ها، و بهبود تدریجی یک نمودار.
    ۸ گام · ۴ تمرین
  2. خواندن و نوشتن داده: پل میان R و دنیای بیرون
    خواندن CSV با read.csv و read_csv، کنترل رشته‌ها و عامل‌ها، و نوشتن نتایج پردازش‌شده.
    ۵ گام · ۲ تمرین
  3. گزارش بازتولیدپذیر با R Markdown: متن و کد در یک سند
    ساختن سندی که متن، کد و خروجی را یک‌جا دارد و با یک کلیک دوباره ساخته می‌شود.
    ۶ گام · ۳ تمرین

۵. کار با داده‌ی واقعی: tidyverse گام‌به‌گام

  1. دست‌کاری داده با dplyr: فعل‌های داده
    پنج فعل اصلی dplyr — filter، select، mutate، arrange، summarise با group_by — و لوله‌ی %>%.
    ۷ گام · ۴ تمرین
  2. داده‌ی مرتب با tidyr: هر سطر یک مشاهده، هر ستون یک متغیر
    قواعد داده‌ی مرتب (tidy data)، تشخیص فرم پهن و کشیده، و تبدیل با pivot_longer و pivot_wider.
    ۶ گام · ۳ تمرین
  3. جمع‌بندی: یک تحلیل کامل و بازتولیدپذیر از صفر
    مرور کل مسیر در قالب یک پروژه‌ی واقعی: از پوشه‌سازی تا گزارش نهایی.
    ۶ گام · ۳ تمرین

نظر کاربران

هنوز نظری ثبت نشده است. فقط کسانی که این مورد را تهیه کرده‌اند می‌توانند نظر بدهند.