آموزش مبانی برنامه‌نویسی R و مدیریت پایه داده‌ها - آخرین آپدیت

دانلود Foundations of R Programming and Basic Data Manipulation

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: به‌روزرسانی شده در می ۲۰۲۵. این دوره اکنون دارای قابلیت Coursera Coach است! روشی هوشمندانه‌تر برای یادگیری با گفتگوهای تعاملی و در لحظه که به شما کمک می‌کند تا دانش خود را آزمایش کنید، فرضیات را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیق‌تر کنید. با این دوره جامع، سفری تحول‌آفرین را در دنیای برنامه‌نویسی R و دستکاری داده‌ها آغاز کنید. این دوره با بررسی دقیق R و RStudio، شامل نصب، پیکربندی و ویژگی‌های کلیدی شروع می‌شود. شما در محیط RStudio مهارت می‌یابید، پروژه‌ها را مدیریت می‌کنید و برای جریان‌های کاری بهینه، با فرمت‌های مختلف فایل‌ها کار خواهید کرد. این دوره به بررسی Rmarkdown برای مستندسازی پویا می‌پردازد که کد، متن و بصری‌سازی‌ها را با هم ترکیب می‌کند. شما انواع داده‌ها و ساختارهای ضروری از جمله ماتریس‌ها، آرایه‌ها، لیست‌ها، دیتافریم‌ها، رشته‌ها و اشیاء DateTime را از طریق آزمایشگاه‌های عملی می‌شناسید. بخش برنامه‌نویسی R شامل عملگرها، حلقه‌ها و توابع است که شما را قادر می‌سازد کدهای تمیز و ماژولار بنویسید. مباحث پیشرفته شامل وارد کردن/خروجی داده‌ها، وب اسکرپینگ (Web Scraping) و تکنیک‌های پیچیده دستکاری داده‌ها با استفاده از Piping، فیلتر کردن، تجمیع، تغییر شکل و پیوند دادن مجموعه‌داده‌ها است. همچنین بصری‌سازی‌های تاثیرگذاری را با ggplot2، plotly، leaflet و dygraphs خلق خواهید کرد. این دوره برای دانشمندان داده آینده، تحلیل‌گران و متخصصانی که دارای درک پایه‌ای از برنامه‌نویسی هستند و در سطح مبتدی تا متوسط قرار دارند، ایده‌آل است تا بتوانند داده‌های خام را به بینش‌های کاربردی و بصری‌سازی‌های متقاعدکننده تبدیل کنند.

سرفصل ها و درس ها

مقدمه‌ای بر دوره Course Introduction

  • آشنایی با تخصص Introduction to the Specialization

  • معرفی R و RStudio (بررسی کلی و نصب) R and RStudio (Overview and Installation)

  • چگونه کدها را دریافت کنیم؟ How to Get the Code?

  • معرفی RStudio / تنظیمات پروژه RStudio Introduction / Project Setup

  • فرمت‌های فایل File Formats

  • آزمایشگاه Rmarkdown Rmarkdown Lab

انواع و ساختارهای داده Data Types and Structures

  • مبانی انواع داده‌ها Basic Data Types 101

  • آزمایشگاه انواع داده‌های پایه Basic Data Types Lab

  • آزمایشگاه ماتریس‌ها و آرایه‌ها Matrices and Arrays Lab

  • لیست‌ها Lists

  • فاکتورها Factors

  • دیتافریم‌ها Dataframes

  • آزمایشگاه رشته‌ها Strings Lab

  • تاریخ و زمان (Datetime) Datetime

برنامه‌نویسی R R Programming

  • عملگرها Operators

  • مبانی حلقه‌ها Loops 101

  • آزمایشگاه حلقه‌ها Loops Lab

  • مبانی توابع Functions 101

  • آزمایشگاه توابع (مقدمه) Functions Lab (Introduction)

  • آزمایشگاه توابع (کدنویسی) Functions Lab (Coding)

وارد کردن و خروجی داده‌ها Data Import and Export

  • آزمایشگاه وارد کردن داده‌ها Data Import Lab

  • آزمایشگاه خروجی داده‌ها Data Export Lab

  • مقدمه‌ای بر وب اسکرپینگ Web Scraping Introduction

  • آزمایشگاه وب اسکرپینگ Web Scraping Lab

مدیریت پایه داده‌ها Basic Data Manipulation

  • مبانی Piping Piping 101

  • مبانی فیلتر کردن Filtering 101

  • آزمایشگاه فیلتر کردن Filtering Lab

  • مبانی تجمیع داده‌ها Data Aggregation 101

  • آزمایشگاه تجمیع داده‌ها Data Aggregation Lab

  • مبانی تغییر شکل داده‌ها Data Reshaping 101

  • آزمایشگاه تغییر شکل داده‌ها Data Reshaping Lab

  • مبانی عملیات مجموعه‌ها Set Operations 101

  • آزمایشگاه عملیات مجموعه‌ها Set Operations Lab

  • مبانی پیوند مجموعه‌داده‌ها Joining Datasets 101

  • آزمایشگاه پیوند مجموعه‌داده‌ها Joining Datasets Lab

بصری‌سازی داده‌ها Data Visualization

  • بررسی کلی بصری‌سازی Visualization Overview

  • مبانی ggplot ggplot 101

  • آزمایشگاه ggplot ggplot Lab

  • آزمایشگاه plotly (مقدمه) plotly Lab (Introduction)

  • آزمایشگاه plotly plotly Lab

  • آزمایشگاه leaflet (مقدمه) leaflet Lab (Introduction)

  • آزمایشگاه leaflet leaflet Lab

  • آزمایشگاه dygraphs (مقدمه) dygraphs Lab (Introduction)

  • آزمایشگاه dygraphs dygraphs Lab

مدیریت پیشرفته داده‌ها Advanced Data Manipulation

  • مبانی شناسایی داده‌های پرت (Outlier) Outlier Detection 101

  • آزمایشگاه شناسایی داده‌های پرت (مقدمه) Outlier Detection Lab (Introduction)

  • راه حل شناسایی داده‌های پرت Outlier Detection Solution

  • مبانی مدیریت داده‌های گم‌شده Missing Data Handling 101

  • آزمایشگاه مدیریت داده‌های گم‌شده (مقدمه) Missing Data Handling Lab (Introduction)

  • آزمایشگاه مدیریت داده‌های گم‌شده (بخش اول) Missing Data Handling Lab (1/1)

  • مبانی عبارات منظم (Regular Expressions) Regular Expressions 101

  • آزمایشگاه عبارات منظم Regular Expressions Lab

نمایش نظرات

آموزش مبانی برنامه‌نویسی R و مدیریت پایه داده‌ها
جزییات دوره
9h 37m
52
(آخرین آپدیت)
1,888
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده