دوره آموزشی راهنمای کامل زبان برنامه نویسی R: بحث، تجسم، و مدل سازی داده ها

دوره آموزشی راهنمای کامل زبان برنامه نویسی R: بحث، تجسم، و مدل سازی داده ها

8 ساعت 16 دقیقهمتوسط2024-03-15

مدرسین

Barton Poulson

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
۱۵۰,۰۰۰ تومان