%40 تخفیف  برای خرید  مسیرهای یادگیری

logo mix

آموزش راهنمای کامل R: بحث، تجسم، و مدل سازی داده ها (با زیرنویس فارسی AI)
Complete Guide to R: Wrangling, Visualizing, and Modeling Data
کد محصول: FL9919-3821080
لیندا _ آموزش راهنمای کامل R: بحث، تجسم، و مدل سازی داده ها (با زیرنویس فارسی AI) - Lynda _ Complete Guide to R: Wrangling, Visualizing, and Modeling Data
سطح متوسـط
زیرنویس انگلیسی
زیرنویس فارسی AI
138,000 تومان
اضافه به سبد خرید add_shopping_cart
تولید کننده محتوا
Lynda.com (Linkedin Learning)
تولید کننده زیرنویس فارسی
فارسی لینـدا FarsiLynda.com
مدرس
Barton Poulson - بارتون پوولسون
تاریخ انتشار
1402/12/25
2024-03-15
سطح آموزش
متوسط
زبان آموزش
انگلیسی
زیرنویس
فارسی و انگلیسی
نوع زیرنویس فارسی
ترجمه شده توسط هوش مصنوعی (AI)
مدت زمان آموزش
8ساعت و 15دقیقه
تعداد ویدیو‌ها
70 ویدیو
حجم فایل‌ها
1220 مگابایت (دانلود با تعرفه داخلی)
زمان تقریبی دانلود فایل‌ها
20 دقیقه (با سرعت اینترنت 1 مگابایت در ثانیه)
تعداد بازدید : 171
درباره تولید کننده

lynda1

 

Lynda Weinman

بسیاری لیندا واینمن را "مادر آموزش اینترنتی" لقب داده اند. وی که هم اکنون (2016) ۶۰ سال سن دارد در ۱۹۹۵ سایتی را راه اندازی کرد که به عنوان منبعی رایگان برای دانش آموزان محسوب می شد. طی آن دوران لیندا به صورت خودآموز در حال یادگیری طراحی وب بود و تلاش داشت تا آموخته هایش را با سایرین نیز به اشتراک بگذارد. هر چند این روزها مسئله یاد شده امری عادی به حساب می آید اما در اواسط دهه نود -روزگاری که هنوز یوتیوبی نبود- یادگیری طراحی وب به صورت خودجوش چندان مسئله رایجی محسوب نمی گشت.

اشتیاق آن روزهای لیندا در یادگیری ، حالا به لطف وب سایت و سرویسی هایی همانند آنچه خود او راه اندازی کرده به میلیون ها نفر دیگر در سراسر دنیا نیز سرایت نموده و آنها می توانند با اندک هزینه ای و در هر جا و مکانی آنچه که دوست دارند را فرا بگیرند.
ناگفته نماند که پیدا کردن مسیر صحیح کسب و کار، حتی برای لیندا واینمن نیز بدون فراز و نشیب نبوده و وی هم مانند هر فرد موفق دیگری در راه رسیدن به پیروزی پستی و بلندی های بسیاری را از سر گذرانده.

درک نیازی که هیچکس به آن پاسخ نداده بود

وقتی در سال ۱۹۹۳ واینمن طراحی وب را اندک اندک فرا گرفته و قصد آموزش دادن آن را پیدا کرد، ابتدا به کتاب فروشی مراجع نمود و سعی کرد کتابی را به عنوان مرجع انتخاب و از روی آن به دانش آموزان خود درس بدهد. اما وی متوجه شد کتاب فروشی ها و کتابخانه ها تنها راهنماهایی بسیار فنی و پیچیده را ارائه می نمایند که درک شان برای افراد معمولی و با دانش متوسط تقریباً غیر ممکن محسوب می شود.

لیندا واینمن میگوید: به یاد می آورم که با خود فکر کردم شاید چنین کتابی هنوز وجود ندارد. بلافاصله از کتاب فروشی به خانه رفتم و ایده ی اولیه نوشتن آن را پیاده سازی کردم.

کمی بعد کتاب "طراحی گرافیک های تحت وب" که به باور بسیاری اولین کتاب ساده و قابل درک توسط عموم در رابطه با حرفه طراحی وب بود، توسط افراد بسیاری در سراسر دنیا به عنوان یک مرجع غیر فنی مورد استفاده قرار می گرفت و محبوبیتی غیر قابل باور به دست آورده بود.

درست در همان زمان و در سال ۱۹۹۵ واینمن آدرس ایمیل فردی را مشاهده نمود که به صورت debbie@debbie.com بود و مشتاق شد بداند آیا دامنه ی لیندا نیز برای ثبت کردن در دسترس قرار دارد یا خیر. وی این دامنه را خریداری و وبسایتی تحت آن راه انداخت تا از طریقش بتواند با دانش آموزان و همچنین خوانندگان کتاب خود ارتباط برقرار نماید.

lynda2

شروعی کوچک و توسعه ای آهسته و پیوسته

بعد از موفقیت کتاب واینمن همسر او، بروس هون (Bruce Heavin)، که در اصل موسس کمپانی لیندا نیز محسوب می شود، پیشنهاد داد در طول تعطیلات بهاره یکی از سالن های کامپیوتر دانشگاهی را اجاره نموده و در آن به مدت یک هفته دوره آموزش طراحی وب برگزار نمایند.
آنها این ایده را عملی کردند و سپس به منظور جذب افراد علاقه مند بنر تبلیغاتی را روی سایت لیندا قرار دادند. نه تنها ظرفیت کلاس یاد شده بسیار سریع پر گشت، بلکه افراد از گوشه و کنار دنیا و حتی مثلاً شهر وین برای حضور در آن ثبت نام نمودند.

اینکه تنها یک بنر در سایت خود قرار دهیم و سپس مردم از سراسر دنیا برای حضور در کلاس مان ثبت نام نمایند، باعث شده بود تا شوکه شویم.
آن کارگاه های یک هفته ای بسیار زود باعث شدند تا کسب و کار امروزی لیندا و همسرش پایه گذاری گردد. واینمن از درآمد حق امتیاز کتاب خود با ارزش ۲۰ هزار دلار استفاده کرد و مدرسه طراحی وبی را راه اندازی نمود که دوره هایش در هر ماه به سرعت پیش فروش شده و ظرفیت شان تکمیل می گشت. لیندا می گوید: "مشتریان زیادی وجود داشتند که مجبور بودیم به آنها نه بگوییم، زیرا ظرفیتی برای پذیرش شان وجود نداشت".

اوج گیری پس از بحران

کسب و کار لیندا پس از چند سال توانست ۳۵ فرصت شغلی را ایجاد و درآمدی ۳.۵ میلیون دلاری را فراهم کند. اما در سال ۲۰۰۱ و پس از انفجار حباب دات کام و حوادث مرتبط به یازده سپتامبر، تمایل افراد به یادگیری دروس طراحی وب کاهشی عجیب پیدا کرد، تا جایی که واینمن و همسرش در ادامه دادن مسیر مردد شده بودند.

کمپانی آنها دچار بحرانی جدی گشت، واینمن و هون ۷۵ درصد کارمندان خود را اخراج کردند و تنها ۹ نفر در استخدام شان باقی ماند. دفتر و مقر برگزاری دوره های لیندا نیز کوچک تر گشت و سعی را بر این گذاشتند تا واحد هایی با قیمت ارزان تر اجاره نمایند.

روز های سیاهی بود و حتی خودم تردید داشتم که می توانیم این کسب و کار را ادامه دهیم یا خیر.

خود واینمن در مورد آن ایام می گوید: "همه در حال نبرد برای بقا بودند و سعی می کردند سر خود را بالای آب نگه دارند. ما نیز وضعیتی مشابه را تجربه می کردیم و در نهایت درست همین زمان بود که تصمیم گرفتیم خدمات خود را به صورت کاملاً آنلاین ارائه نماییم."

روزگاری که ایده یاد شده شکل گرفت و سپس عملی گشت (ارائه خدمات به صورت آنلاین) تماشای فیلم بر روی کامپیوترها تازه در حال رواج یافتن بود. لیندا دات کام تصمیم گرفت در ازای سرویسی که ارائه می کند هزینه حق اشتراکی ۲۵ دلاری را به صورت ماهیانه دریافت نماید.

افراد اندکی از این راهکار استقبال کردند. واینمن می گوید: "درآمد مان به شدت افت کرده بود. روز های سیاهی بود و حتی خودم تردید داشتم که می توانیم این کسب و کار را ادامه دهیم یا خیر."

با تنها ۱۰۰۰ نفر پرداخت کننده حق اشتراک ماهیانه، بقای کمپانی به نظر بسیار سخت می رسید. ایجاد یک جامعه ی آنلاین زمان بر است و لیندا به خود امید می داد که آنها مسیر شان را عوض نکرده اند بلکه راهی تازه را شروع نموده اند پس باید صبر پیشه کنند. او توضیح می دهد که "همه چیز بسیار آهسته پیش رفت. ولی کم کم پرداخت حق اشتراک ماهیانه آنلاین رواج پیدا کرد و مقدار آن هر ساله چندین برابر شد".

در ۲۰۰۶ تعداد مشترکین به ۱۰۰.۰۰۰ نفر رسید و واینمن و همسرش ۱۵۰ کارمند خود را به همراه خانواده هایشان به دیزنی لند بردند تا موفقیت بزرگی که رقم خورده بود را جشن بگیرند.

lynda4

ایجاد فرهنگ سازمانی مناسب در زمان رشد

اینکه اعضا و کارمندان شرکت همانند یک خانواده با یکدیگر در تعامل باشند همواره برای لیندا حائز اهمیت بوده و او حتی همیشه تلاش داشته تا افراد تحت استخدام خود را با اسم کوچک بشناسد و صدا بزند. ولی رشد سریع کمپانی و رسیدن تعداد کارمندان به عدد ۵۰۰، رفته رفته چالش هایی تازه را پدید می آورد و سبب می گردد واینمن در ایده آل های خود بازنگری نماید.

وی می گوید: "چالش اصلی بر سر تعیین سمت و مقام افراد بود. اینکه با هر کس چه برخوردی باید صورت بگیرد. همه ی کسانی که رشدی سریع را در شرکت خود تجربه کرده اند می دانند که ایجاد سلسله مراتب تا چه حد اهمیت دارد."

در ۲۰۰۷ تصمیم بر این شد تا یک مدیرعامل جهت اداره ی بهتر مجموعه به آن اضافه گردد. به گفته ی خود لیندا "درست در همان زمان بود که او تصمیم گرفت در رفتارها و برخوردهای خود سیاست بیشتری داشته و بروکراتیک تر عمل نماید".

ایجاد فرهنگ سازمانی برای شرکتی با بیش از ۵۰۰ کارمند کاری بسیار دشوار خواهد بود ولی حتی آنچه از این مسئله نیز دشوارتر به حساب می آید پایه ریزی درست و مطابقت دادن افراد با فرهنگ یاد شده است. اینکار در زمانی که یک شرکت نوپا و کوچک محسوب می شود چندان سخت نیست و شاید ضروری هم نباشد ولی با رشد آن صورت پذیرفتنش الزام می یابد.

 پیش به سوی موفقیت

مدتی است که بسیاری تصور می کنند دوره های آموزش ویدئویی می توانند آینده آموزش به حساب بیایند.

در طی سال های اخیر کمپانی واینمن توسط افراد گوناگونی که در حرفه ی خود بهترین هستند دوره های آنلاین متعددی را ایجاد نموده و سعی کرده نشان دهد این دوره های آنلاین راه و روش یادگیری را برای همیشه متحول کرده اند.

لیندا دات کام قالبی معین و کارآمد را برای دوره های آموزشی اش پدید آورده و سپس کوشش کرده تا از نظر موضوعی نیز در بین مطالب مورد تدریس خود تنوع ایجاد نماید. روزگاری در وب سایت مورد بحث تنها ۲۰ دوره آموزش ویدئویی آنلاین وجود داشت، اما اکنون این رقم به ۶۳۰۰ رسیده که شامل ۲۶۷.۰۰۰ ویدئوی آموزشی می گردد.

ارائه ی کتابخانه ای ویدئویی به جای اینکه از افراد درخواست شود تا در دوره هایی مشخص با روال معمول و پیوسته شرکت نمایند، عاملی بوده که سبب گشته شیوه ی آموزشی لیندا دات کام نسبت به سایرین کاملاً متفاوت گردد.

واینمن می گوید: "مدتی است که بسیاری تصور می کنند دوره های آموزش ویدئویی می توانند آینده آموزش به حساب بیایند. ما به خاطر همین تفاوت مان مورد توجه قرار داشته و تحت نظر سایرین هستیم".

lynda6

فروش به لینکدین Linked in

من به شخصه بر روی اثری که از همکاری دو کمپانی با یکدیگر پدید می آید متمرکز هستم.

واینمن زمانی که متوجه می شود لینکدین قصد خرید کمپانی اش را دارد، در ابتدا شوکه می گردد. او و همسرش هرگز به دنبال فروش شرکت خود و یافتن مشتری برای آن نبوده اند و البته در سن ۶۰ سالگی وی هنوز هم احساس می نموده که برای بازنشستگی بسیار زود است.

اما رفته رفته به این نتیجه می رسند که این فروش و ادغام دو کمپانی با یکدیگر احتمالاً امری منطقی و موثر خواهد بود. هر دو شرکت به نوعی تلاش داشته اند به افراد کمک کنند تا وضعیت شغلی خود را بهبود بخشند و احتمالاً در کنار یکدیگر بسیار بهتر از گذشته می توانند این هدف را محقق کنند.

واینمن می گوید: "بسیاری از مردم بر روی رقم معامله صورت پذیرفته تمرکز دارند و شاید این مسئله برای افرادی که با صنعت ما آشنا نیستند یک شگفتی محسوب شود. ولی خود من به شخصه بر روی اثری که از همکاری دو کمپانی با یکدیگر پدید می آید متمرکز هستم و اولین چیزی که در رابطه با این موضوع به ذهنم می رسد، میزان بزرگی این اثرگذاری است."

به نظر می آید حتی لیندا واینمن هم از موفقیت خودش شگفت زده است و تصور چنین روزی را نداشته. بر خلاف بسیاری از بنیانگذاران کمپانی ها مهم تکنولوژیک امروزی ، وی با هدف کسب درآمد های کلان شروع به کار نکرده و قصد اولیه اش هرگز ایجاد کمپانی نبوده که توسط لینکدین به ارزش ۱.۵ میلیارد دلار خریداری شد. او تنها سعی داشته آنچه که برای خودش جذاب بوده، یعنی طراحی وب را به سایرین نیز بیاموزد.

واینمن که بر حسب اتفاق بدل به یک معلم گشته، می گوید: "من نه چندان گنگ بودم و نه به آن صورت خوره ی دنیای تکنولوژی. افراد زیادی پیش من می آمدند و می پرسیدند چگونه این کار را انجام می دهی؟ یا چگونه آن کار را انجام می دهی؟ هرگز با خودم فکر نکرده بودم به اشتراک گذاشتن دانش در رابطه با آنچه که برایت جالب است، در واقع همان تدریس کردن محسوب می شود."

در حالکیه لیندا اعتقاد دارد تنها در زمان و مکان مناسبی حضور داشته، سخت است بدل شدن یک دامنه ی ۳۵ دلاری به کسب و کاری ۱.۵ میلیارد دلاری را حاصل یک اتفاق بدانیم.

فارسی لیندا

تلاش برای مکان یابی معنا و جهت در داده های بزرگ دشوار است. R می تواند به شما کمک کند راه خود را پیدا کنید. R یک زبان برنامه نویسی آماری برای تجزیه و تحلیل و تجسم روابط بین مقادیر زیادی داده است. این دوره با متخصص تجزیه و تحلیل داده ها، مربی Barton Poulson، مقدمه ای کامل با R، همراه با دستورالعمل های دقیق برای نصب و پیمایش R و RStudio و مثال های عملی، از گرافیک اکتشافی گرفته تا شبکه های عصبی، ارائه می دهد. او نشان می دهد که چگونه می توان بسته های R و R محبوب را راه اندازی کرد و شروع به وارد کردن، تمیز کردن و تبدیل داده ها برای تجزیه و تحلیل کرد. او همچنین نشان می دهد که چگونه می توان تجسم هایی مانند نمودارهای میله ای، هیستوگرام ها و نمودارهای پراکنده ایجاد کرد و داده های طبقه بندی، کیفی و پرت را تغییر داد تا بهترین پاسخگویی به سؤالات تحقیق شما و الزامات الگوریتم های شما باشد.

سطح آموزشی
خرید آنلاین و دانلود فوری
به همراه فایلهای تمرین
ویدئوهای آموزشی با زیرنویس
ویدئوهای آموزشی با زیرنویس فارسی
کیفیت HD ویدئوهای آموزشی
قابل استفاده برای ناشنوایان
 
 
 

نمونه ویدیوی آموزشی ( زیرنویس‌ها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :

 

[فارسی]

01 مقدمه
01-01 داده های خود را منطقی کنید
01-02 استفاده از فایل های تمرین

02 R چیست؟
02-01 R در زمینه
02-02 علم داده با R: مطالعه موردی

03 شروع به کار
03-01 نصب R
03-02 محیط های R
03-03 نصب RStudio
03-04 پیمایش در محیط RStudio
03-05 وارد کردن داده ها
03-06 انواع داده ها و ساختارها
03-07 نظرات و سرصفحه ها
03-08 بسته های R
03-09 Thedyverse
03-10 دستورات Piping با %>%

04 وارد کردن داده ها
مجموعه داده های داخلی 04-01 R
04-02 کاوش مجموعه داده های نمونه با Pacman
04-03 وارد کردن داده ها از یک صفحه گسترده
04-04 وارد کردن داده های XML
04-05 وارد کردن داده های JSON
04-06 ذخیره داده ها در فرمت های R بومی

05 تجسم داده ها با ggplot2
05-01 مقدمه ای بر ggplot2
05-02 استفاده از رنگ ها در R
05-03 استفاده از پالت های رنگی
05-04 ایجاد نمودارهای میله ای
05-05 ایجاد هیستوگرام
05-06 ایجاد نمودارهای جعبه
05-07 ایجاد نمودارهای پراکنده
05-08 ایجاد نمودارهای متعدد
05-09 ایجاد نمودارهای خوشه ای

06 داده های مشاجره
06-01 ایجاد داده های مرتب
06-02 استفاده از تیبل ها
06-03 استفاده از data.table
06-04 تبدیل داده ها از پهن به بلند و از بلند به عریض
06-05 تبدیل داده ها از جداول به ردیف
06-06 کار با تاریخ و زمان
06-07 کار با داده های لیست
06-08 کار با داده های XML
06-09 کار با متغیرهای طبقه بندی شده
06-10 فیلتر کردن موارد و زیر گروه ها

07 رمزگذاری مجدد داده ها
07-01 رمزگذاری مجدد داده های طبقه بندی شده
07-02 رمزگذاری مجدد داده های کمی
07-03 تبدیل نقاط پرت
07-04 ایجاد نمرات مقیاس با شمارش
07-05 ایجاد امتیازات مقیاس با میانگین گیری

08 یک R برای مطالعه موردی علم داده
08-01 علم داده با R: مطالعه موردی

09 کاوش داده ها
09-01 فرکانس های محاسباتی
09-02 محاسبه آمار توصیفی
09-03 محاسبات همبستگی
09-04 ایجاد جداول احتمالی
09-05 انجام تجزیه و تحلیل مؤلفه های اصلی
09-06 انجام تجزیه و تحلیل آیتم
09-07 انجام تحلیل عاملی تاییدی

10 تجزیه و تحلیل داده ها
10-01 مقایسه نسبت ها
10-02 مقایسه یک میانگین با جامعه: آزمون t تک نمونه ای
10-03 مقایسه میانگین های زوجی: آزمون تی نمونه های زوجی
10-04 مقایسه دو میانگین: آزمون t نمونه های مستقل
10-05 مقایسه میانگین های چندگانه: تحلیل واریانس تک عاملی
10-06 مقایسه میانگین‌ها با پیش‌بینی‌کننده‌های طبقه‌بندی متعدد: تحلیل واریانس عاملی

11 پیش بینی نتایج
11-01 پیش بینی نتایج با رگرسیون خطی
11-02 پیش بینی نتایج با رگرسیون کمند
11-03 پیش بینی نتایج با رگرسیون چندکی
11-04 پیش بینی نتایج با رگرسیون لجستیک
11-05 پیش بینی نتایج با پواسون یا رگرسیون log-linear
11-06 ارزیابی پیش‌بینی‌ها با مدل‌های ورودی مسدود

12 خوشه بندی و طبقه بندی موارد
12-01 گروه بندی موارد با خوشه بندی سلسله مراتبی
12-02 گروه بندی موارد با k-means خوشه بندی
12-03 طبقه بندی موارد با k-نزدیکترین همسایه
12-04 طبقه بندی موارد با تجزیه و تحلیل درخت تصمیم
12-05 ایجاد مدل های گروهی با طبقه بندی تصادفی جنگل

13 نتیجه گیری
13-01 مراحل بعدی

[ENGLISH]

01 Introduction
01-01 Make your data make sense
01-02 Using the exercise files

02 What Is R?
02-01 R in context
02-02 Data science with R: A case study

03 Getting Started
03-01 Installing R
03-02 Environments for R
03-03 Installing RStudio
03-04 Navigating the RStudio environment
03-05 Entering data
03-06 Data types and structures
03-07 Comments and headers
03-08 Packages for R
03-09 The tidyverse
03-10 Piping commands with %>%

04 Importing Data
04-01 Rs built-in datasets
04-02 Exploring sample datasets with pacman
04-03 Importing data from a spreadsheet
04-04 Importing XML data
04-05 Importing JSON data
04-06 Saving data in native R formats

05 Visualizing Data with ggplot2
05-01 Introduction to ggplot2
05-02 Using colors in R
05-03 Using color palettes
05-04 Creating bar charts
05-05 Creating histograms
05-06 Creating box plots
05-07 Creating scatterplots
05-08 Creating multiple graphs
05-09 Creating cluster charts

06 Wrangling Data
06-01 Creating tidy data
06-02 Using tibbles
06-03 Using data.table
06-04 Converting data from wide to tall and from tall to wide
06-05 Converting data from tables to rows
06-06 Working with dates and times
06-07 Working with list data
06-08 Working with XML data
06-09 Working with categorical variables
06-10 Filtering cases and subgroups

07 Recoding Data
07-01 Recoding categorical data
07-02 Recoding quantitative data
07-03 Transforming outliers
07-04 Creating scale scores by counting
07-05 Creating scale scores by averaging

08 An R for Data Science Case Study
08-01 Data science with R: A case study

09 Exploring Data
09-01 Computing frequencies
09-02 Computing descriptive statistics
09-03 Computing correlations
09-04 Creating contingency tables
09-05 Conducting a principal component analysis
09-06 Conducting an item analysis
09-07 Conducting a confirmatory factor analysis

10 Analyzing Data
10-01 Comparing proportions
10-02 Comparing one mean to a population: One-sample t-test
10-03 Comparing paired means: Paired samples t-test
10-04 Comparing two means: Independent samples t-test
10-05 Comparing multiple means: One-factor analysis of variance
10-06 Comparing means with multiple categorical predictors: Factorial analysis of variance

11 Predicting Outcomes
11-01 Predicting outcomes with linear regression
11-02 Predicting outcomes with lasso regression
11-03 Predicting outcomes with quantile regression
11-04 Predicting outcomes with logistic regression
11-05 Predicting outcomes with Poisson or log-linear regression
11-06 Assessing predictions with blocked-entry models

12 Clustering and Classifying Cases
12-01 Grouping cases with hierarchical clustering
12-02 Grouping cases with k-means clustering
12-03 Classifying cases with k-nearest neighbors
12-04 Classifying cases with decision tree analysis
12-05 Creating ensemble models with random forest classification

13 Conclusion
13-01 Next steps

 

مدرس: Barton Poulson - بارتون پوولسون

تعداد دوره های آموزشی: 27

بارتون پوولسون استاد، طراح و متخصص تجزیه و تحلیل داده است. بارتون ، از تحلیل و زیبایی شناختی ، پلی زده است با پس زمینه ای در طراحی صنعتی، و دکترای روانشناسی اجتماعی و شخصیتی و عشق عمیق به تجزیه و تحلیل داده ها و تجسم داده ها و همچنین با هنرهای تجسمی و تصویری، برای اکثر اوقات زندگی خود . او یک استاد روانشناسی در دانشگاه Utah Valley است و در دانشگاه Brigham Young، دانشگاه یوتا و دانشگاه شهر نیویورک تحصیل کرده است. در نقش او به عنوان یک معلم تحقیق و تجزیه و تحلیل، او صدها مطالعه با دانش آموزان خود را در موضوعاتی از تمایلات اجتماعی و آرزوها برای ترجیحات ضمنی ، برای شعر و معماری انجام داده است. بارت و همسرش، ژاک لین بول، که یک طراح رقص مدرن است و با سه فرزند خود در Salt Lake City زیبا زندگی می کنند.

جدیدترین آموزشهای مرتبط

تمامی زیرنویس‌های فارسی و مطالب ترجمه شده در سایت، بطور انحصاری متعلق به فارسی لینـدا بوده و هر گونه کپی‌ برداری و یا استفاده از آنها به هر شکلی در سایتها یا برنامه‌های دیگر پیگرد قانونی دارد
logo-samandehi
فارسی کلاس