دوره آموزشی R برای علم داده: درس های Lunchbreak

19 ساعت 59 دقیقهمبتدی2023-06-30

مدرسین

Mark Niemann-Ross

Technologist experienced in hardware, software, and science fiction

جزئیات دوره

برنامه نویسی با قطعات کوچک آموخته می شود. شما بر اساس مفاهیم اولیه بنا می کنید. شما دانش موجود را به زبان بعدی منتقل می کنید. Lunch Break Lessons R - یکی از محبوب ترین زبان های برنامه نویسی برای تجزیه و تحلیل داده ها و گزارش دهی - را در درسهای کوتاهی آموزش می دهد که برنامه نویسان موجود را از قبل می دانند.

پنج دقیقه ای که هر هفته صرف می کنید ، یک بلوک ساختمانی برای شما فراهم می کند که می توانید در دو ساعت آینده در محل کار از آن استفاده کنید. اصول زبان را مرور کنید ، روش هایی را برای بهبود کد R موجود کشف کنید ، ویژگی های جدید و جالب را کشف کنید و درباره ابزارهای توسعه و کتابخانه های مفید که برنامه نویسی زمان شما را با R بسیار پربارتر می کند ، آشنا شوید.

همه نمونه کد های سری را می توانید در https://github.com/mnr/five-minutes-of-R بارگیری کنید.

مهارت ها

RStudioRSerial (Weekly)StatisticsProgramming LanguagesData ScienceOpen SourceSoftware Development

سرفصل ها

0. مقدمه

01 - خوش آمدید
02 - فایل‌های تمرینی

1. R for Data Science Lessons (ژانویه-مارس 2018)

03 - R مجموعه داده‌های داخلی
04 - ریاضی بردار
05 - زیر مجموعه
06 - انواع داده R - انواع پایه
07 - انواع داده R - وکتور
08 - انواع داده R - لیست
09 - انواع داده R - فاکتور
10 - انواع داده R - ماتریس
11 - انواع داده R - آرایه
12 - انواع داده R - قاب داده
13 - فریم‌های داده - ترتیب و ادغام
14 - فریم‌های داده - خواندن و به روز رسانی

2. R for Data Science Lessons (آوریل-ژوئن 2018)

15 - فریم‌های داده - rbind
16 - Dataframes - cbind
17 - اعمال و اعمال
18 - نقشه برداری
19 - طرح
20 - براکت و دو براکت
21 - mean، rowMeans و colMeans
22 - RSQLite
23 - sqldf
24 - جمع
25 - اعداد تصادفی
26 - خط لوله
27 - کار با کلیپ بورد

3. R for Data Science Lessons (ژوئیه-سپتامبر 2018)

28 - راهنماهای سبک
29 - برش
30 - تقسیم
31 - بپرسید بله خیر
32 - cdplot
33 - سرگرمی
34 - طرح جعبه
35 - هیستوگرام
36 - قطعه به بایگانی
37 - همدستی
38 - گاوداری
39 - جدول
40 - به داخل نگاه کنید

4. R for Data Science Lessons (اکتبر تا دسامبر 2018)

41 - بارپلات
42 - نمودار دایره ای
43 - از لیست خارج شود
44 - الحاق - باطن و پر
45 - پیوست - چپ و راست
46 - مجموعه‌ها - اتحاد، تقاطع و تفاوت
47 - ست - مساوی و در
48 - رنگ
49 - ifelse
50 - طرح ستون فقرات
51 - مرورگر
52 - رفع اشکال
53 - آینه پیش فرض

5. R for Data Science Lessons (ژانویه-مارس 2019)

54 - برخورد با NA
55 - استفاده از با()
56 - تطبیق ساده رشته
57 - grep
58 - داچارت
59 - چهارگانه
60 - مات پلات
61 - دیم نام ها
62 - قطعه موزاییک
63 - طرح پایه
64 - استریپچارت
65 - آفتابگردان
66 - سوئیچ

6. R for Data Science Lessons (آوریل-ژوئن 2019)

67 - فاکتورها را روشن کنید
68 - همه
69 - sub، gsub، regex و backreferences
70 - تطبیق agrep و فازی
71 - combn ترکیبات را پیدا می‌کند
72 - ویرایش، اصلاح و داده نویسی
73 - غیور
74 - منو
75 - نفر
76 - txtProgressBar
77 - زیپ و تار
78 - به صورت بیتی
79 - توسط مانند ضربه زدن است
80 - R خود را به روز کنید

7. R for Data Science Lessons (ژوئیه-سپتامبر 2019)

81 - مواظب ترانسپوز باشید
82 - رمزهای عبور
83 - نقشه حرارتی
84 - ترکیب کنید
85 - متوقف نمی شود
86 - وزن دار.میانگین
87 - منشور
88 - file.choose
89 - تکراری و منحصر به فرد
90 - دانلود و ذخیره کنید
91 - کف، گرد، سقف و تنه
92 - گسترش.شبکه
93 - گروه‌های حرفه ای

8. R for Data Science Lessons (اکتبر تا دسامبر 2019)

94 - با ج ساده کنید
95 - عملگرهای منطقی
96 - char.expand
97 - کامل.موارد
98 - چرخش
99 - tryCatch
100 - دو دونقطه
101 - حلقه for
102 - قسمت 100
103 - حلقه while
104 - حلقه تکرار
105 - درس چرخش خود را ایجاد کنید
106 - منطق و کنترل جریان

9. R for Data Science Lessons (ژانویه-مارس 2020)

107 - ماتریس، سطر و ستون
108 - cumsum، cumprod، cummax، an dcummin
109 - نامتقارن
110 - file.access
111 - file.info
112 - dput و dget
113 - یک قاب داده را بر اساس چندین ستون مرتب کنید
114 - دیاگ
115 - متقاطع
116 - بالا.تری و پایین تر
117 - strsplit() رشته‌ها را در کاراکترهای همسان تقسیم می‌کند
118 - از setnames() برای تغییر نام یک شی استفاده کنید
119 - تغییر ساختار یک بردار با stack()

10. R for Data Science Lessons (آوریل-ژوئن 2020)

120 - از droplevels() برای ساده کردن فاکتورها استفاده کنید
121 - برای مستندسازی از .rmd استفاده کنید
122 - از rep() برای ایجاد بردارهای تکراری طولانی استفاده کنید
123 - از format() برای بهبود خوانایی استفاده کنید
124 - از pmax() و pmin() برای کشف محدوده بردارهای زوج استفاده‌کنید .
125 - از print() برای بیشتر از آنچه اکنون استفاده می‌کنید استفاده کنید
126 - از range() و extendrange() برای تجزیه‌و‌تحلیل و دستکاری گروه‌های اعداد استفاده کنید
127 - اهمیت یک عدد را با رتبه () ارزیابی کنید
128 - از saveRDS() و readRDS() برای سریال سازی اشیا استفاده کنید
129 - از عبارات منظم با regexpr() و gregexpr() استفاده کنید
130 - پیام
131 - regexpr
132 - تفاوت

11. R for Data Science Lessons (ژوئیه-سپتامبر 2020)

133 - وجود دارد
134 - فرمولها
135 - RPres
136 - مشبک - مقدمه
137 - شبکه - xyplot
138 - مشبک - ابر و وایرفریم
139 - مشبک - کانتورپلات
140 - مشبک - بارچارت
141 - مشبک - نمودار اسپلوم
142 - مشبک - پانل
143 - مشبک - استریپلوت
144 - کدام حداقل و کدام حداکثر
145 - فونت، اندازه، رنگ

12. R for Data Science Lessons (اکتبر تا دسامبر 2020)

146 - حاشیه
147 - پر - پچ و امتیاز
148 - افسانه
149 - یکسان
150 - ریاضی ماتریس - نمای کلی توابع
151 - بررسی ریاضی ماتریس
152 - ماتریس - حل سیستم ها
153 - ماتریس - حل معکوس
154 - ماتریس - حل معکوس و حل جلو
155 - ماتریس - تعیین کننده
156 - آرایه‌ها و بیرونی
157 - ماتریس - محصول متقاطع
158 - ماتریس SVD و تجزیه QR

13. R for Data Science Lessons (ژانویه-مارس 2021)

159 - ماتریس - مقادیر ویژه و بردارهای ویژه
160 - مکان یاب
161 - on.exit
162 - مفقود شده
163 - نرگس
164 - مرتب
165 - گوتنبرگر
166 - یک مجموعه زبان طبیعی ایجاد و پاک کنید
167 - کلمات توقف را از مجموعه NLP حذف کنید
168 - NLP و ماتریس سند مدت

14. R for Data Science Lessons (آوریل-ژوئن 2021)

169 - ماتریس سند مدت را تجزیه‌و‌تحلیل کنید
170 - بسته‌های NLP - Tidytext
171 - بسته‌های NLP - Quanteda
172 - بسته‌های NLP - تحلیل احساسات
173 - ابرهای کلمه
174 - ویژگی‌های مخفی نصب کننده
175 - از پکیج Matrix استفاده کنید
176 - یک ماتریس پراکنده ایجاد کنید
177 - ماتریس‌های پراکنده، مثلث‌ها و موارد دیگر
178 - تجزیه‌و‌تحلیل بوت استرپ با R
179 - بررسی استفاده

15. R for Data Science Lessons (ژوئیه-سپتامبر 2021)

180 - از R در Raspberry Pi استفاده کنید
181 - list2df()
182 - مقدمه ای بر خوشه بندی
183 - خوشه بندی با kmeans
184 - خوشه بندی با پم و کلارا
185 - درک نمودارهای silhouette
186 - خوشه بندی با فانی
187 - خوشه بندی با hclust
188 - خوشه بندی با آگنس
189 - خوشه بندی با دیانا
190 - ناز و همذات پنداری با hclust
191 - خوشه بندی با مونا
192 - خوشه بندی - دیست در مقابل دیزی

16. R for Data Science Lessons (اکتبر تا دسامبر 2021)

193 - نشانه گذاری R پارامتر شده
194 - R را طبق برنامه اجرا کنید
195 - اپراتور لوله پیشرو جدید
196 - توابع لامبدا بک اسلش
197 - Dist() در عمق
198 - مقیاس ()
199 - toJSON
200 - از JSON
201 - JSON را اعتبارسنجی کنید
202 - طرح و بیان
203 - R را در حالت دسته ای اجرا کنید
204 - موسیقی را کاوش کنید
205 - بیپ

17. R for Data Science Lessons (ژانویه-مارس 2022)

206 - install.packages
207 - old.packages، new.packages و update.packages
208 - کتابخانه و نیاز
209 - Excel در R - SUM
210 - اکسل در R - IF
211 - Excel در R - LOOKUP
212 - Excel در R - LEFT و RIGHT
213 - Excel در R - MATCH
214 - Excel در R - CHOOSE
215 - اکسل در R - DATE
216 - اکسل در R - DAYS
217 - Excel در R - FIND و FINDB

18. R for Data Science Lessons (آوریل-ژوئن 2022)

218 - اکسل در R - INDEX
219 - اکسل در R - COUNT
220 - Excel در R - AVERAGE
221 - اکسل در R - SUMIF و AVERAGEIF
222 - اکسل در R - COUNTIF
223 - Excel در R - CONCATENATE
224 - Excel در R - MAX و MIN
225 - Excel در R - PROPER
226 - اکسل در R - AND
227 - اکسل در R - LEN
228 - اکسل در R - COUNTA
229 - Excel در R - NETWORKDAYS
230 - اکسل در R - IFERROR

19. R for Data Science Lessons (ژوئیه-سپتامبر 2022)

231 - استناد
232 - بردارید
233 - پاورپوینت از ر
234 - عملگر Infix
235 - کرونکر
236 - فلوچارتینگ
237 - چسب
238 - مداد رنگی
239 - کووید-19
240 - اپکسچارتر
241 - فاکتوریل
242 - دانلود فایل ها
243 - انتخاب کنید

20. R for Data Science Lessons (اکتبر تا دسامبر 2022)

244 - بتا و گاما
245 - as.Date()
246 - as.POSIXlt()
247 - as.POSIXct()
248 - روغن کاری کنید
249 - ISOdate()
250 - system.timezone() و OlsonNames()
251 - قالب ()
252 - difftime()
253 - seq.Date()
254 - روزهای هفته()، ماه ها()، ربع()، جولیان()

21. R for Data Science Lessons (ژانویه-مارس 2023)

255 - مقدمه ای بر لوله کش
256 - اشیاء درخواست و پاسخ لوله کش
257 - getwd setwd
258 - از ویژوال استودیو کد با R استفاده کنید
259 - تیبل
260 - بررسی اجمالی dplyr
261 - dplyr - mutate
262 - dplyr - انتخاب کنید
263 - dplyr - فیلتر
264 - dplyr - برش و دوستان
265 - dplyr - خلاصه کردن
266 - dplyr - ترتیب
267 - dplyr - گروه توسط

22. R for Data Science Lessons (آوریل-ژوئن 2023)

268 - dbplyr R را به SQL ترجمه می‌کند
269 - dplyr - کشش
270 - dplyr - می‌پیوندد
271 - R7 OOP - مقدمه
272 - R7 OOP - خواص
273 - R7 OOPS - گیرندگان و تنظیم کننده‌های ویژگی
274 - R7 OOPS - اعتبار سنجی
275 - R7 OOP - کلاس وراثت
276 - R7 OOP - ژنریک و روشها
277 - پایتون با RStudio
278 - طرح‌های متحرک
279 - متحرک سازی ggplot
280 - مقدمه ای بر کوارتو