دوره آموزشی راهنمای کامل زبان برنامه نویسی R: بحث، تجسم، و مدل سازی داده ها
8 ساعت 16 دقیقهمتوسط2024-03-15
مدرسین

Barton Poulson
Professor, Designer, Data Analytics Expert
جزئیات دوره
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، بارتون پولسون، 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. بارتون 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.
مهارت ها
RStudioData ModelingRStatisticsData VisualizationData EngineeringData AnalysisProgramming LanguagesData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen SourceSoftware DevelopmentOne-Off
سرفصل ها
0. مقدمه
- 01 - دادههای خود را منطقی کنید
- 02 - استفاده از فایلهای تمرین
1. R چیست
- 03 - R در زمینه
- 04 - علم داده با R - مطالعه موردی
2. شروع به کار
- 05 - نصب R
- 06 - محیطهای R
- 07 - نصب RStudio
- 08 - پیمایش در محیط RStudio
- 09 - وارد کردن داده ها
- 10 - انواع دادهها و ساختارها
- 11 - نظرات و سرفصل ها
- 12 - پکیجهای R
- 13 - نظم و ترتیب
- 14 - دستورات لوله کشی با
3. وارد کردن داده ها
- 15 - مجموعه دادههای داخلی R
- 16 - کاوش مجموعه دادههای نمونه با Pacman
- 17 - وارد کردن دادهها از صفحه گسترده
- 18 - وارد کردن دادههای XML
- 19 - وارد کردن دادههای JSON
- 20 - ذخیره دادهها در فرمتهای R بومی
4. تجسم دادهها با ggplot2
- 21 - مقدمه ای بر ggplot2
- 22 - استفاده از رنگها در R
- 23 - استفاده از پالتهای رنگی
- 24 - ایجاد نمودار میله ای
- 25 - ایجاد هیستوگرام
- 26 - ایجاد نمودارهای جعبه ای
- 27 - ایجاد نمودارهای پراکنده
- 28 - ایجاد نمودارهای متعدد
- 29 - ایجاد نمودارهای خوشه ای
5. دادههای مشاجره
- 30 - ایجاد دادههای مرتب
- 31 - استفاده از تیبل
- 32 - استفاده از data.table
- 33 - تبدیل دادهها از پهن به بلند و از بلند به عریض
- 34 - تبدیل دادهها از جداول به ردیف
- 35 - کار با تاریخ و زمان
- 36 - کار با دادههای لیست
- 37 - کار با دادههای XML
- 38 - کار با متغیرهای طبقه بندی شده
- 39 - فیلتر کردن موارد و زیر گروه ها
6. رمزگذاری مجدد داده ها
- 40 - رمزگذاری مجدد دادههای طبقه بندی شده
- 41 - رمزگذاری مجدد دادههای کمی
- 42 - تبدیل نقاط پرت
- 43 - ایجاد نمرات مقیاس با شمارش
- 44 - ایجاد نمرات مقیاس با میانگین گیری
7. یک R برای مطالعه موردی علم داده
- 45 - علم داده با R - مطالعه موردی
8. کاوش داده ها
- 46 - فرکانسهای محاسباتی
- 47 - محاسبه آمار توصیفی
- 48 - محاسبات همبستگی
- 49 - ایجاد جداول احتمالی
- 50 - انجام تحلیل مؤلفههای اصلی
- 51 - انجام تجزیهوتحلیل آیتم
- 52 - انجام تحلیل عاملی تاییدی
9. تجزیهوتحلیل داده ها
- 53 - مقایسه تناسبات
- 54 - مقایسه یک میانگین با جامعه - آزمون t تک نمونه ای
- 55 - مقایسه میانگینهای زوجی - آزمون تی نمونههای زوجی
- 56 - مقایسه دو میانگین - آزمون t نمونههای مستقل
- 57 - مقایسه چند میانگین - تحلیل واریانس تک عاملی
- 58 - مقايسه ميانگينها با پيش بيني كننده هاي طبقه اي متعدد - تحليل واريانس عاملي
10. پیشبینی نتایج
- 59 - پیشبینی نتایج با رگرسیون خطی
- 60 - پیشبینی نتایج با رگرسیون کمند
- 61 - پیشبینی نتایج با رگرسیون چندکی
- 62 - پیشبینی نتایج با رگرسیون لجستیک
- 63 - پیشبینی نتایج با پواسون یا رگرسیون log-linear
- 64 - ارزیابی پیش بینیها با مدلهای ورودی مسدود
11. خوشه بندی و طبقه بندی موارد
- 65 - گروه بندی موارد با خوشه بندی سلسله مراتبی
- 66 - گروه بندی موارد با k-means خوشه بندی
- 67 - طبقه بندی موارد با k نزدیکترین همسایه
- 68 - طبقه بندی موارد با تجزیهوتحلیل درخت تصمیم
- 69 - ایجاد مدلهای گروهی با طبقه بندی تصادفی جنگل
نتیجه
- 70 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی تصویرسازی دادهها در R با استفاده از ggplot2
- دوره آموزشی گردآوری داده ها با زبان آر
- دوره آموزشی پاک کردن داده های بد در R
- دوره آموزشی کامل کردن اولین پروژه خود با زبان R
- دوره آموزشی R برای علم داده: درس های Lunchbreak
- دوره آموزشی آمادگی گواهینامه متخصص تجزیه و تحلیل خبره (CAP)
- دوره آموزشی یادگیری ماشین با کاهش داده در Excel، R و Power BI
- دوره آموزشی تمرین های کدنویسی: علم داده های R