دوره آموزشی زبان برنامه نویسی R در علم داده: داده های متنوع

در یک دنیای کامل، هر مجموعه داده به عنوان متن XML با زمینه برای هر قطعه اطلاعات ذخیره می شود. اعداد هرگز به عنوان رشته ذخیره نمی شوند. مقادیر اعشاری هرگز به عنوان نماد علمی ذخیره نمی شوند. رشته ها هرگز بیشتر از 500 کاراکتر نخواهند بود. اما بدیهی است که ما در دنیای کاملی از داده ها زندگی نمی کنیم. و داده های بزرگ فقط این موضوع را بزرگتر می کند. این مشکل تنوع است. داده ها در قالب های مختلف می رسند. دانشمندان داده زمان زیادی را صرف این مشکل می‌کنند و از نیروی مغزی استفاده می‌کنند که بهتر است برای کارهای تحلیلی ارزشمند صرف شود. در این دوره، Mark Niemann-Ross مسئله تنوع داده ها را معرفی می کند و نحوه استفاده از قابلیت های منحصر به فرد R را برای حل آنها نشان می دهد. با نحوه وارد کردن طیف گسترده ای از داده ها، از Excel گرفته تا فایل های ODS آشنا شوید.

اهداف یادگیری
سه نوع داده بزرگ را نام ببرید.
سه نکته مورد استفاده برای تعیین بسته R مناسب برای اکسل را فهرست کنید.
بهترین بسته مورد استفاده برای وارد کردن کل کتاب های کار اکسل را تعیین کنید.
نحوه وارد کردن فایل های متنی استاندارد با استفاده از پایه R و tidyverse را توضیح دهید.
هدف بسته زبان خارجی را برای R تعریف کنید.
هنگام کار بر روی فایل های SAS در بسته زبان خارجی محدودیت ها را بشناسید.
مشکلات مربوط به استخراج داده ها از PDF در R را شناسایی کنید.