GeoLearnR

هنوز داری با محیط خشک و قدیمی SPSS سر و کله می‌زنی؟ یا می‌ترسی بری سمت R چون کدنویسی بلد نیستی؟ 🤯 امروز می‌خوام ابزاری رو بهت معرفی کنم که دقیقاً «حلقه گمشده» بین قدرت R و سادگی Excel هست. 🚀 معرفی نرم‌افزار Jamovi این نرم‌افزار روی هسته‌ی قدرتمند R سوار شده، اما محیطش کاملاً گرافیکی، مدرن و "Drag & Drop" هست. یعنی قدرت تحلیل دیتای دکتری رو داری، ولی با راحتیِ آب خوردن! ✨ چرا Jamovi برای مقاله‌نویس‌های Q1 واجبه؟ ✅ خروجی استاندارد APA: شاهکارش اینجاست! جداولی که بهت میده دقیقاً فرمت استاندارد ژورنال‌هاست. یعنی کپی کن، پیست کن توی مقاله! (دیگه لازم نیست دستی جدول بکشی). ✅ رایگان و سبک: برخلاف SPSS که کرک کردنش مکافاته، این کاملاً رایگان و اوپن‌سورسه. ✅ دینامیک و زنده: اگه یه داده رو توی اکسل تغییر بدی، تمام نمودارها و تحلیل‌ها همون لحظه آپدیت میشن. ✅ ماژول‌های پیشرفته: از تحلیل‌های ساده T-Test تا مدل‌سازی معادلات ساختاری (SEM) رو داره. 🔗 لینک دانلود رایگان: https://www.jamovi.org/download.html کانال تلگرام https://t.me/wwwdr_hekmatniaa

وقتی در گوگل اسکالر سرچ می‌کنید، نتایج به صورت پیش‌فرض بر اساس «ارتباط کلمات» (Relevance) نمایش داده می‌شوند، نه اعتبار علمی این یعنی ممکن است یک مقاله ضعیف از یک ژورنال بی‌اعتبار، بالاتر از یک مقاله مرجع (Base Paper) قرار بگیرد. 🤦‍♂️ ✅ راه حل: تبدیل گوگل اسکالر به یک ابزار حرفه‌ای با نصب افزونه رایگان ExCITATION 🛠 آموزش نصب و استفاده (در ۳ سوت!): 1️⃣ نصب افزونه: وارد «کروم وب استور» (Chrome Web Store) شوید و عبارت ExCITATION را جستجو کنید. روی دکمه آبی رنگ Add to Chrome کلیک کنید تا نصب شود. (لینک مستقیم را در ادامه می‌دهم). 2️⃣ مشاهده تغییرات (تشخیص Q1): حالا وارد سایت Google Scholar شوید و موضوع خود را سرچ کنید. معجزه را ببینید! 🔥 کنار هر نتیجه، یک نوار رنگی و یک برچسب اضافه شده که دقیقاً نشان می‌دهد این مقاله در چه رتبه‌ای (Q1, Q2, Q3, Q4) چاپ شده و ضریب تأثیر (Impact Factor) آن چقدر است. دیگر نیازی نیست اسم ژورنال را کپی کنید و در سایت‌های دیگر چک کنید! 3️⃣ مرتب‌سازی جادویی (پیدا کردن مقالات بیس): به بالای صفحه نتایج نگاه کنید. یک گزینه جدید به نام Sort by Citation اضافه شده است. روی آن کلیک کنید تا مقالات بر اساس «بیشترین تعداد ارجاع» مرتب شوند. این سریع‌ترین راه برای پیدا کردن مهم‌ترین و پرطرفدارترین مقالات در حوزه کاری شماست. لینک مستقم افزونه: https://chromewebstore.google.com/detail/excitation-journal-rankin/aolbomhlimkdakklifkocohcgpmojdia?pli=1 کانال تلگرام https://t.me/wwwdr_hekmatniaa آیدی تلگرام دکتر حکمت نیا @Drhekmatniaa صفحه اینستاگرام: https://instagram.com/dr_hekmatniaa?utm_source=qr&igshid=YzU1NGVlOD

با سلام خدمت دوستان گرامی. جلسه 1-7 در لینک ارسالی قابل دسترس هست. موفق باشید

برنامه‌نویسی با R از صفر این دوره برنامه‌نویسی رایانه‌ای با تمرکز بر زبان R برای دانشجویان مبتدی طراحی شده است. شرکت‌کنندگان با مفاهیم پایه برنامه‌نویسی، ساختار داده‌ها، و کاربردهای عملی R در تحلیل داده‌ها آشنا می‌شوند. هدف دوره ایجاد مهارت‌های اولیه برای ورود به دنیای برنامه‌نویسی و آماده‌سازی جهت یادگیری مباحث پیشرفته‌تر است. دوره حاضر با هدف آموزش جامع و نظام‌مند برنامه‌نویسی رایانه‌ای به زبان R و ارتقای مهارت‌های تحلیل داده برای افرادی که فاقد پیش‌زمینه برنامه‌نویسی هستند، طراحی شده است. زبان R به عنوان یکی از قدرتمندترین و پرکاربردترین ابزارهای رایگان در حوزه آمار، علم داده و پژوهش‌های آکادمیک شناخته می‌شود. این دوره فراگیران را قادر می‌سازد تا از محدودیت‌های نرم‌افزارهای نقطه‌ و کلیک مانند Excel و SPSS فراتر روند و به تولید تحلیل‌های دقیق، تکرارپذیر و استاندارد علمی دست یابند. منبع اصلی محتوا: کلیه فیلم‌ها، سرفصل‌ها و محتوای آموزشی این دوره بر مبنای درس «برنامه‌نویسی رایانه‌ای» دانشکده منابع طبیعی دانشگاه تربیت مدرس توسط جناب آقای دکتر سید جلیل علوی ضبط، تدوین و بارگذاری شده است. این درس از سال 1403 تا کنون به‌عنوان یکی از دروس کارشناسی ارشد رشته علوم و مهندسی جنگل دانشکده منابع طبیعی دانشگاه تربیت مدرس ارائه می‌شود و اکنون به‌صورت عمومی و با حفظ استانداردهای کاملاً آکادمیک در اختیار علاقه‌مندان قرار گرفته است. مخاطبان هدف این دوره به‌طور خاص برای گروه‌های زیر مناسب است: دانشجویان رشته‌های آمار، اقتصاد، روان‌شناسی، علوم اجتماعی، علوم زیستی، پزشکی و مهندسی پژوهشگران و اعضای هیئت علمی که به دنبال جایگزینی حرفه‌ای و رایگان برای ابزارهای تجاری هستند متخصصان شاغل در حوزه‌های تحلیل داده، ارزیابی سیاست‌گذاری، تحقیقات بازار و سلامت علاقه‌مندان به ورود اصولی به حوزه‌های علم داده (Data Science)، تحلیل داده (Data Analysis) و یادگیری ماشین مهارت‌های اکتسابی پس از اتمام موفقیت‌آمیز دوره، فراگیران قادر خواهند بود: محیط R و RStudio را به‌طور کامل نصب و راه‌اندازی کنند. مفاهیم بنیادین برنامه‌نویسی (متغیرها، انواع داده، ساختارها) را به‌طور عمیق درک کرده و به‌کار گیرند. با ساختارهای داده اصلی R (بردار، ماتریس، دیتافریم، لیست و فاکتور) به‌صورت حرفه‌ای کار کنند. داده‌ها را از منابع متنوع مانند Excel، SPSS و منابع دیگر وارد و صادر نمایند. عملیات پاک‌سازی، تبدیل و مدیریت مقادیر گمشده را به‌صورت استاندارد اجرا کنند. تحلیل‌های آماری توصیفی را انجام دهند. نمودارهای علمی با کیفیت بالا و قابل انتشار در مجلات معتبر را با استفاده از بسته ggplot2 تولید کنند. توابع سفارشی نوشته و فرآیندهای تحلیلی را خودکارسازی نمایند. سرفصل‌های دوره مقدمه‌ای بر زبان R، تاریخچه و نصب R و RStudio مفاهیم بنیادین برنامه‌نویسی در R انواع داده و ساختارهای داده‌ای اصلی ورودی و خروجی داده‌ها از فرمت‌های مختلف زیرمجموعه‌گیری، فیلتر کردن و تغییر شکل داده‌ها پاک‌سازی داده و مدیریت مقادیر گمشده آمار توصیفی پیشرفته مصورسازی داده با بسته‌های پایه و پیشرفته (ggplot2) این دوره به‌عنوان پلی میان مهارت‌های اولیه نرم‌افزارهای آماری سنتی و سطح حرفه‌ای تحلیل داده عمل می‌کند و فراگیران را برای ورود به دوره‌های پیشرفته علم داده، یادگیری ماشین و پژوهش‌های آکادمیک سطح بالا آماده می‌سازد. https://geolearnr.ir/C/9ca1

مدیریت آب با هوش مصنوعی؛ از حسگرهای صوتی لندن تا مدل‌های پیش‌بینی هلند - ایمنا https://www.imna.ir/news/901168/%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%AF%D8%B1-%D9%85%D8%AF%DB%8C%D8%B1%DB%8C%D8%AA-%D8%A2%D8%A8-%D8%A7%D8%B2-%D8%AD%D8%B3%DA%AF%D8%B1%D9%87%D8%A7%DB%8C-%D8%B5%D9%88%D8%AA%DB%8C-%D9%84%D9%86%D8%AF%D9%86-%D8%AA%D8%A7-%D9%85%D8%AF%D9%84-%D9%87%D8%A7%DB%8C-%D9%BE%DB%8C%D8%B4-%D8%A8%DB%8C%D9%86%DB%8C

https://geolearnr.ir/N/675f

https://geolearnr.ir/N/675f

فایل آموزشی ارسال شده، به‌عنوان یک منبع آموزشی کامل برای دانشجویان، محققین و اساتید بر مبنای فصل هشتم کتاب R in action تدوین شده و به‌صورت عمیق به مباحث تحلیل رگرسیون با استفاده از زبان برنامه نویسی R می‌پردازد. مطالب ارائه‌شده، فرآیند مدل‌سازی را به‌صورت گام‌به‌گام و دقیق پوشش می‌دهد؛ از مبانی نظری رگرسیون و برازش عملی مدل، تا مراحل کلیدی تشخیص مدل، شناسایی و پرداختن به داده‌های پرت، و بررسی نقض مفروضات مدل. مباحث پیشرفته‌تری همچون انتخاب مدلبهینه، اعتبارسنجی متقابل و ارزیابی اهمیت متغیرهای پیشگو مطرح شده است. این فایل آموزشی، با توضیحات روان، کدهای R را به صورت خط‌به‌خط، و تفسیرهای دقیق، مفاهیم پیچیده آماری را به شکلی شفاف و قابل فهم ارائه می‌کند. در این فایل آموزشی سعی شده است، نسبت به متن منبع اولیه، جامع‌تر و غنی‌تر تهیه شود تا به‌عنوان یک مرجع کامل آموزشی در کنار کتاب R in action مورد استفاده قرار گیرد. با احترام سید جلیل علوی عضو هیات علمی دانشگاه تربیت مدرس

Introduction to Machine Learning.pdf

فایل آموزشی در خصوص یادگیری ماشین.

📥 کد R

📊 نمایش معادله رگرسیون و ضریب تعیین بر روی نمودار پراکندگی 🌟 یکی از سوالات پرتکرار دانشجویان و پژوهشگران در تحلیل داده‌ها 📈، چگونگی نمایش معادله رگرسیون و ضریب تعیین (R²) روی نمودار پراکندگی یا ابر نقاط است. افزودن این اطلاعات به نمودار، نه تنها جذابیت بصری آن را افزایش می‌دهد 🎨، بلکه درک بهتری از روابط بین متغیرها و اعتبار نتایج مدل‌سازی فراهم می‌کند ✅. ✨ ما در GeoLearnR کدی حرفه‌ای در محیط R با استفاده از بسته‌های تخصصی آماده کرده‌ایم که به شما امکان می‌دهد: ✅ معادله رگرسیون و ضریب تعیین را با فونت و رنگ دلخواه نمایش دهید. ✅ موقعیت نمایش این اطلاعات را به راحتی تنظیم کنید. ✅ نمودارهایی حرفه‌ای و زیبا برای ارائه‌های علمی خود خلق کنید! 📑 💻 این کد به‌گونه‌ای طراحی شده که استفاده از آن ساده باشد و نیازهای پژوهشی شما را به بهترین شکل برآورده کند. 📥 کد آماده برای استفاده شما عزیزان در دسترس است! با آرزوی موفقیت‌🌍 تیم GeoLearnR 🚀

Channel photo updated

Channel photo removed