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
مقدمه
- دادههای خود را منطقی کنید
- استفاده از فایلهای تمرین
R چیست
- R در زمینه
- علم داده با R - مطالعه موردی
شروع به کار
- نصب R
- محیطهای R
- نصب RStudio
- پیمایش در محیط RStudio
- وارد کردن داده ها
- انواع دادهها و ساختارها
- نظرات و سرفصل ها
- پکیجهای R
- نظم و ترتیب
- دستورات لوله کشی با
وارد کردن داده ها
- مجموعه دادههای داخلی R
- کاوش مجموعه دادههای نمونه با Pacman
- وارد کردن دادهها از صفحه گسترده
- وارد کردن دادههای XML
- وارد کردن دادههای JSON
- ذخیره دادهها در فرمتهای R بومی
تجسم دادهها با ggplot2
- مقدمه ای بر ggplot2
- استفاده از رنگها در R
- استفاده از پالتهای رنگی
- ایجاد نمودار میله ای
- ایجاد هیستوگرام
- ایجاد نمودارهای جعبه ای
- ایجاد نمودارهای پراکنده
- ایجاد نمودارهای متعدد
- ایجاد نمودارهای خوشه ای
دادههای مشاجره
- ایجاد دادههای مرتب
- استفاده از تیبل
- استفاده از data.table
- تبدیل دادهها از پهن به بلند و از بلند به عریض
- تبدیل دادهها از جداول به ردیف
- کار با تاریخ و زمان
- کار با دادههای لیست
- کار با دادههای XML
- کار با متغیرهای طبقه بندی شده
- فیلتر کردن موارد و زیر گروه ها
رمزگذاری مجدد داده ها
- رمزگذاری مجدد دادههای طبقه بندی شده
- رمزگذاری مجدد دادههای کمی
- تبدیل نقاط پرت
- ایجاد نمرات مقیاس با شمارش
- ایجاد نمرات مقیاس با میانگین گیری
یک R برای مطالعه موردی علم داده
- علم داده با R - مطالعه موردی
کاوش داده ها
- فرکانسهای محاسباتی
- محاسبه آمار توصیفی
- محاسبات همبستگی
- ایجاد جداول احتمالی
- انجام تحلیل مؤلفههای اصلی
- انجام تجزیهوتحلیل آیتم
- انجام تحلیل عاملی تاییدی
تجزیهوتحلیل داده ها
- مقایسه تناسبات
- مقایسه یک میانگین با جامعه - آزمون t تک نمونه ای
- مقایسه میانگینهای زوجی - آزمون تی نمونههای زوجی
- مقایسه دو میانگین - آزمون t نمونههای مستقل
- مقایسه چند میانگین - تحلیل واریانس تک عاملی
- مقايسه ميانگينها با پيش بيني كننده هاي طبقه اي متعدد - تحليل واريانس عاملي
پیشبینی نتایج
- پیشبینی نتایج با رگرسیون خطی
- پیشبینی نتایج با رگرسیون کمند
- پیشبینی نتایج با رگرسیون چندکی
- پیشبینی نتایج با رگرسیون لجستیک
- پیشبینی نتایج با پواسون یا رگرسیون log-linear
- ارزیابی پیش بینیها با مدلهای ورودی مسدود
خوشه بندی و طبقه بندی موارد
- گروه بندی موارد با خوشه بندی سلسله مراتبی
- گروه بندی موارد با k-means خوشه بندی
- طبقه بندی موارد با k نزدیکترین همسایه
- طبقه بندی موارد با تجزیهوتحلیل درخت تصمیم
- ایجاد مدلهای گروهی با طبقه بندی تصادفی جنگل
نتیجه
- مراحل بعدی