هزینه آموزش
۴۱,۰۰۰ تومان

آموزش محاسبات علمی و آماری با R - مقدماتی

آموزش محاسبات علمی و آماری با R - مقدماتی

تعداد دانشجو
۹۴۲ نفر
مدت زمان
۱۲ ساعت و ۲۴ دقیقه
هزینه آموزش
۴۱,۰۰۰ تومان
محتوای این آموزش
۴ بازخورد (مشاهده نظرات)
آموزش محاسبات علمی و آماری با R - مقدماتی

R یک زبان متن باز (Open source) بسیار کامل برای محاسبات علمی است که میزان استفاده از آن در شرکت ها و محیط های آکادمیک مختلف، موید این موضوع است. این زبان در ابتدا به عنوان یک ابزار برای مدل سازی آماری طراحی شده بود، اما در ادامه به ابزار قدرتمندی برای داده کاوی و تحلیل، تبدیل شد. در این فرادرس، ما به دنبال یادگیری روش های ریاضیاتی و آماری برای محاسبات علمی هستیم، همچنین نحوه استفاده از R، برای ارزیابی عبارت های پیچیده حسابی و مدل سازی های آماری را خواهیم آموخت. در انتهای این آموزش، شما نه تنها به راحتی با R برنامه نویسی می کنید بلکه می توانید کدهای مربوط به پروژه های خود برای انجام محاسبات علمی را در آن بنویسید.

آموزش محاسبات علمی و آماری با R - مقدماتی

تعداد دانشجو
۹۴۲ نفر
مدت زمان
۱۲ ساعت و ۲۴ دقیقه
هزینه آموزش
۴۱,۰۰۰ تومان
محتوای این آموزش
۴ بازخورد (مشاهده نظرات)
مدرس
پژمان اقبالی شمس آبادی

کارشناس ارشد مهندسی مکانیک

مهندس پژمان اقبالی شمس آبادی کارشناس ارشد مهندسی مکانیک دانشگاه علم و صنعت ایران، مشغول انجام کار روی پروژه‌های خود در زمینه‌های آکوستیک، ارتعاشات و پردازش تصویر هستند. ایشان به مباحث دینامیک و ارتعاشات و همچنین برنامه‌نویسی علاقه‌مند هستند و سابقه کار با نرم‌افزارهای مهندسی مکانیک همچون: CATIA و COMSOL را دارند. ایشان به نرم‌افزار MATLAB مسلط هستند و توانایی برنامه‌نویسی با زبان‌های مختلف همچون: C++, Java, Python را دارند.

چکیده آموزش


توضیحات تکمیلی

محاسبات علمی رویکردی مبتنی بر اطلاعات به منظور حل مساله با استفاده از مدل های ریاضیاتی و یا به کار بردن روش های تحلیل کمی به منظور تفسیر، تصویرسازی و حل مسائل علمی است. به طور کلی، دانشمندان و تحلیل گران داده، به دنبال درک پدیده های مشخص یا فرایندهای مختلف با استفاده از مشاهدات از آزمایش یا شبیه سازی هستند.

برای مثال، یک زیست شناس می خواهد بفهمد چه تغییری در بیان ژن برای تبدیل یک سلول سالم به سلول سرطانی لازم است، یک فیزیکدان می خواهد چرخه عمر کهکشان ها را با استفاده از شبیه سازی عددی بداند، یک مهندس می خواهد مدل سازی خود برای یک پدیده و یا آزمایشات خود را تحلیل کند تا به مدلی بهینه برای کاربردی خاص نزدیک شود. در تمام این مراحل محاسبات علمی مورد نیاز است، پس همان طور که می بینید شاخه های مختلف علوم و مهندسی تقریبا در تمام مراحل خود نیازمند محاسبات علمی هستند.

R یک زبان متن باز (Open source) بسیار کامل برای محاسبات علمی است که میزان استفاده از آن در شرکت ها و محیط های آکادمیک مختلف، موید این موضوع است. این زبان در ابتدا به عنوان یک ابزار برای مدل سازی آماری طراحی شده بود، اما در ادامه به ابزار قدرتمندی برای داده کاوی و تحلیل، تبدیل شد.

علاوه بر توابع و ابزار پایه ای R برای انجام محاسبات عددی و علمی، پکیج های متعددی برای طیف گسترده ای از ملزومات محاسبات علمی، مانند: روش های تصویری سازی داده، تحلیل داده و یادگیری ماشین برای آن نوشته شده است.

در این فرادرس، ما به دنبال یادگیری روش های ریاضیاتی و آماری برای محاسبات علمی هستیم، همچنین نحوه استفاده از R، برای ارزیابی عبارت های پیچیده حسابی و مدل سازی های آماری را خواهیم آموخت. در انتهای این آموزش، شما نه تنها به راحتی با R برنامه نویسی می کنید بلکه می توانید کدهای مربوط به پروژه های خود برای انجام محاسبات علمی را در آن بنویسید.

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: برنامه نویسی
    • محاسبات مقدماتی در R
      • عملگر حسابی
      • متغیر
      • تابع
      • عبارات منطقی
      • ماتریس
    • محاسبات ماتریسی در R
    • مبانی برنامه نویسی برای محاسبات در R
      • برنامه ای برای محاسبات ریشه چند جمله ای مرتبه دو در R
      • برنامه ای برای محاسبه n فاکتوریل در R
      • مثال دنباله فیبوناچی در R
      • Vector Based Programming
      • Program Flow
      • Debugging
    • I / O در R
      • Text
      • ورودی از یک فایل
      • محاسبه ی میانه
      • ورودی از کیبورد
      • محاسبه ی ریشه های چند جمله ای درجه دو
      • فرستادن خروجی به یک فایل
      • Plotting
    • برنامه نویسی با توابع برای محاسبات در R
      • تابعی برای محاسبه ریشه چند جمله ای درجه دو در R
      • تابعی برای محاسبه n فاکتوریل در R
      • تابعی برای محاسبه Trimmed Mean در R
      • Scope
      • Arguments
      • Vector Based Programming
      • برنامه ای برای محاسبه چگالی اعداد اول در R
      • برنامه نویسی بازگشتی
      • Debugging Functions
    • داده ساختارها در R
      • Factor
      • DataFrame
      • خواندن یک فایل اکسل و انجام محاسبات مقدماتی روی آن
      • List
    • نکاتی از گرافیک در R
      • Graphics parameters : par
      • Graphical augmentations
      • Mathematical Typesetting
      • Permanence
      • Grouped Graphs
      • 3D plot
  • درس دوم: محاسبات عددی
    • ریشه یابی در R
      • Program Efficiency
      • مفهوم ریشه یابی
      • روش های ریشه یابی و پیاده سازی آن ها در R
        • روش Fixedpoint Iteration
        • روش Newton Raphson
        • روش وتری (Secant Method)
        • روش Bisection
    • انتگرال گیری عددی
      • روش های انتگرال گیری عددی و پیاده سازی آن ها در R
        • روش Trapezoidal Rule
        • روش Simpson Rule
        • روش Adaptive quadrature
    • بهینه سازی در R
      • مفهوم بهینه سازی
      • روش های بهینه سازی و پیاده سازی آن ها در R
        • روش Newton
        • روش Golden Section
    • بهینه سازی چند متغیره در R
      • مفهوم بهینه سازی چند متغیره
      • روش های بهینه سازی چند متغیره و پیاده سازی آن ها در R
        • روش Steepest Ascent
        • روش Newton
    • برازش منحنی در R
      • پیاده سازی یک مثال از برازش منحنی در R
    • حل عددی دستگاه معادلات دیفرانسیل معمولی (ODE)
      • معادلات Lotka – Volterra
      • روش های حل عددی ODE و پیاده سازی آن در R
        • روش اولر
        • روش Midpoint
        • روش Fourth Order Runge - Kutta
        • Adaptive Stepsize
مشاهده بیشتر مشاهده کمتر

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس

نرم افزارهای مرتبط با آموزش

RStudio v3.5.0



پیش نمایش‌ها

۱. برنامه نویسی

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۴۲ مگابایت -- (کلیک کنید +))

۲. محاسبات عددی

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۵۴ مگابایت -- (کلیک کنید +))

راهنمای سفارش آموزش‌ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

(راهنمایی بیشتر +)

در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش محاسبات علمی و آماری با R - مقدماتی
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۶۷۹۳۹ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVR97041
مدت زمان ۱۲ ساعت و ۲۴ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (لینک دانلود)
حجم دانلود ۸۲۴ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۹۴۲ نفر از این آموزش استفاده کرده اند و ۴ نظر ثبت شده است.
سید کیارش
سید کیارش

عالی بود تسلط استاد بالا بود مطالب هم خوب بود با تشکر

امیرمحمد
امیرمحمد

نوع توضیح دادن مدرس و تسط ایشان بر روی مباحث بسیار در روند یادگیری موثر هست.

مهمان
مهمان

به نظر من آموزش از نظر محتوایی بسیار آموزش خوبی هست.

غلامرضا
غلامرضا

بیان، نحوه ارائه دادن و میزان تسلط مدرس خوب هست.


برچسب‌ها:
Analysis of variance | Importance Sampling | Linear Discriminant Analysis | Principal Component Analysis | Pseudorandom number | Rejection sampling | Root Finding | Structural equation modeling | انتگرال گیری با مونت کارلو | برنامه نویسی Quadratic | برنامه نویسی خطی در R | برنامه نویسی در R | بهینه سازی در R | بهینه سازی یک بعدی | پکیج Amelia | پکیج Mice | تجزیه ماتریس | جبر خطی در R | رگرسیون خطی | روش های آماری در R | روش های تخمین با SEM | روش های غیرخطی در R | شبیه سازی در R | شبیه سازی مونت کارلو | گسترش چهارچوب خطی | مبانی SEM | محاسبات علمی با نرم افزار R | مدل های افزایشی عمومی | مدل های خطی در R | مدل های خطی عمومی | مدیریت داده در R | نرم افزار R | نمایش ماتریسی SEM
مشاهده بیشتر مشاهده کمتر
فهرست جلسات ۲۰ جلسه ویدئویی ×