شروع کار با زبان برنامه نویسی R برای علم داده - Getting Started with R for Data Science

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 مجموعه آموزشی معرفی کاملی از R، همراه با دستورالعمل‌های دقیق برای نصب و پیمایش R و RStudio و نمونه‌های عملی، از گرافیک اکتشافی گرفته تا شبکه‌های عصبی، ارائه می‌کند. در بخش اول، مربی بارتون پولسون نشان می‌دهد که چگونه می‌توان بسته‌های R و R محبوب را راه‌اندازی کرد و شروع به وارد کردن، تمیز کردن و تبدیل داده‌ها 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. اهداف یادگیری نصب R وارد کردن داده ها بسته های R وارد کردن داده های XLS، XML و JSON تجسم داده ها با ggplot2 ایجاد نمودار، هیستوگرام، نمودار پراکندگی و نمودار تبدیل داده ها فیلتر کردن موارد و زیر گروه ها رمزگذاری مجدد داده ها ایجاد نمرات مقیاس

تلاش برای یافتن 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 تحلیل و تجسم روابط بین مقدار زیادی داده است. این یکی از مهمترین ابزارهای موجود برای تجزیه و تحلیل داده ها ، یادگیری ماشین و دانش داده است. این مجموعه آموزشی با دستورالعمل های دقیق برای کار با R و RStudio و مثالهای عملی ، از گرافیک اکتشافی گرفته تا شبکه های عصبی ، آشنایی کاملی با R دارد. در بخش دو ، مدل سازی داده ها ، مربی بارتون پولسون نحوه محاسبه آمار ، تجزیه و تحلیل داده ها ، پیش بینی نتایج و گروه بندی و طبقه بندی موارد را نشان می دهد. اینها تکنیکهای اساسی است که شما برای ایجاد بینش معنادار برای سازمان خود نیاز دارید. موضوعات شامل: فرکانس ها و همبستگی های محاسباتی محاسبه آمار توصیفی انجام تجزیه و تحلیل مورد مقایسه نسبت مقایسه وسایل جفت شده مقایسه چند معنی پیش بینی نتایج با رگرسیون خطی و لجستیکی گروه بندی موارد با خوشه بندی k-means طبقه بندی موارد با نزدیکترین همسایگان ایجاد مدلهای گروه

قالب مرتب یک روش استاندارد برای سازماندهی مقادیر داده در یک مجموعه داده فراهم می کند. با بهره گیری از اصول منظم داده ها، آمار شناسان ، تحلیل گران و دانشمندان داده می توانند زمان کمتری را برای تمیز کردن داده ها و زمان بیشتری را برای حل جنبه های جذاب تر تجزیه و تحلیل داده ها صرف کنند. در این دوره، با اصول مرتب داده ها آشنا شوید، نحوه ایجاد و دستکاری tibbles داده را کشف کنید، و نحوه استفاده از tibbles را در وارد کردن، تبدیل و تمیز کردن اطلاعات خود بیابید. مربی Mike Chapple از R و بسته های مرتب و متنوع برای آموزش مفهوم درگیری داده ها - وظایف تمیز کردن داده ها و تبدیل داده ها که بخش قابل توجهی از وقت تحلیلگران را مصرف می کند، استفاده می کند. وی با سه مورد موردی عملی همراه است که اصول و روشهای مربوط به درگیری داده ها را در این دوره تقویت می کند.