لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش R Programming 2023 (مبتدی به نینجا): 5 پروژه دنیای واقعی!!
R Programming 2023(Novice to Ninja ):5 Real World Projects!!
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
راهنمای کامل مبتدی تا متخصص با تئوری دقیق، چالش ها، مطالعات موردی و پروژه ها. دوره های بسیاری در یک!! R برنامه نویسی R انواع داده ها ساختارهای داده بردارها، ماتریس ها، آرایه ها، فهرست ها تجزیه و تحلیل داده ها تجسم داده ها با استفاده از GGPLOT2 مطالعات موردی در تجزیه و تحلیل داده ها با استفاده از پروژه های R در تجزیه و تحلیل داده ها با استفاده از R داده های پاکسازی تبدیل داده ها با استفاده از tidyr، Dplyr دستکاری رشته ها با استفاده از Stringr Handling تاریخ و زمان با استفاده از Lubridate Projects on Data Visualization با استفاده از R پیش نیازها:هیچ
علم و تجزیه و تحلیل داده ها حرفه ای بسیار پربار است که به شما امکان می دهد برخی از جالب ترین مشکلات جهان را حل کنید. حوزه علم داده در دو دهه گذشته منفجر شده است و هیچ نشانه ای از توقف به این زودی نشان نمی دهد. بسیاری از کسب و کارها و شرکت های بزرگ یا کوچک مایلند از بینش های به دست آمده از داده های بزرگ استفاده کنند.
به دلیل ماهیت منبع باز و تطبیق پذیری شدید آن، R به ابزار اصلی برای تجزیه و تحلیل آماری و علم داده تبدیل شده است. با توجه به اینکه صنعت با کمبود دانشمندان داده در سراسر جهان مواجه است، برنامه نویسان R تازه کار و حرفه ای می توانند وارد شوند. جامعه R نشان دهنده برتری در زمینه علم داده است.
این دوره به این منظور ساخته شده است که در ابتدای سفر، تمام دانش لازم را در اختیار شما قرار دهد، به طوری که مجبور نباشید به عقب برگردید و در جای دیگری دوباره به موضوعات نگاه کنید. این دوره مقصد نهایی با تمام دانش، نکات و ترفندهایی است که برای شروع حرفه خود نیاز دارید.
این دوره دانش کاملی از R ارائه می دهد، ما همه آن را پوشش می دهیم.
سفر عجیب و غریب ما شامل مفاهیم زیر خواهد بود:
زبان برنامه نویسی R چیست و چرا - درک نیاز به آمار، تفاوت بین جمعیت و نمونه ها، تکنیک های مختلف نمونه برداری.
دانش اصلی برای DataTypes.
دستکاری و مدیریت رشته با استفاده از بسته Stringr
ساختارهای داده (بردار، ماتریس، آرایه، فهرست)
حلقه ها و شرایط و توابع برای مهارت های برنامه نویسی در R.
چارچوب های داده با جزئیات و چشم انداز فرآیند تجزیه و تحلیل داده ها و مفاهیم توضیح داده شده است.
مهمتر از همه، Transformations داده ها پوشش داده شده است تا شما را با نحوه مدیریت و تبدیل داده ها برای تجزیه و تحلیل راحت کند.
ماژول زمان تاریخ به درک و مدیریت تاریخ و زمان در R کمک می کند.
آمار توصیفی اجازه می دهد تا خلاصه داده ها را برای آمار بررسی کنید.
تجسم داده ها با استفاده از GGPLOT2 برای تجزیه و تحلیل بصری ساده و پیچیده استفاده می شود.
همه ماژول ها شامل سوالات تمرینی و مطالعات موردی هستند تا به شما ایده ای در مورد مشکلات دنیای واقعی و تقویت مهارت های حل مسئله ارائه دهند.
5 پروژه به شما این امکان را میدهد که تجزیه و تحلیل مجموعه دادهها را با گسترهای برای کاوش بیشتر و افزایش مهارتها و در عین حال ایجاد اعتماد انجام دهید.
سرفصل ها و درس ها
مقدمه دوره
Introduction To Course
معرفی دوره
Course Introduction
Rstudio - شروع به کار
Rstudio - Getting Started
معرفی
Introduction
معرفی و بارگذاری بسته های Rstudio
Rstudio Introduction and Loading Packages
انواع داده R
R Datatypes
انواع داده R
R Datatypes
R تمرین انواع داده ها
R Datatypes Practice
R تمرین انواع داده ها
R Datatypes Practice
شی کلاس R انواع داده و عملگرهای منطقی
R Class object Data types and Logical operators
شی کلاس R انواع داده و عملگرهای منطقی
R Class object Data types and Logical operators
شخصیت ها
Characters
شخصیت ها
characters
تمرین: اعداد و رشته ها
Practice : Numbers and Strings
PQ: اعداد و رشته ها
PQ: Numbers and Strings
بردارها در مقابل لیست در مقابل ماتریس در مقابل آرایه در مقابل DataFrames
Vectors vs List vs Matrix vs Array vs DataFrames
بردارها در مقابل لیست در مقابل ماتریس در مقابل آرایه در مقابل DF
Vectors vs list vs matrix vs array vs DF
بردارها
Vectors
بردارها
Vectors
نمایه سازی برداری
Vector Indexing
ماتریس ها
Matrices
ماتریس ها
Matrices
لیست ها
Lists
لیست ها
Lists
سوالات تمرینی: بردارها
Practice Questions : Vectors
PQ3: بردارها
PQ3: Vectors
PQ4: بردارها
PQ4: Vectors
حلقه ها و شرایط
Loops and Conditions
حلقه ها و شرایط
Loops And Conditions
کارکرد
Functions
کارکرد
Functions
توابع و دامنه متغیرها
Functions and Scope of Variables
سوالات تمرینی
Practice Questions
PQ7: آماده سازی داده ها
PQ7: Data Preparation
PQ 8: تبدیل داده ها
PQ 8: Data transformation
تله متغیر فاکتور (FVT)
Factor Variable Trap (FVT)
تله متغیر فاکتور
Factor Variable Trap
بسته Stringr
Stringr Package
توابع رشته با استفاده از StringR
String Functions using StringR
چارچوب های داده
Dataframes
چارچوب های داده
Dataframes
انواع متغیر
Variable Types
دستورالعمل های آماده سازی داده ها
Data Preparation Guidelines
تبدیل داده ها (اعمال خانواده)
Data Transformations (Apply Family)
تبدیل داده ها
Data Transformations
تبدیل داده ها با استفاده از Dplyr & Tidyr
Data Transformation Using Dplyr & Tidyr
تبدیل داده ها با استفاده از Dplyr و tidyr
Data Transformations using Dplyr and tidyr
تاریخ زمان در R با استفاده از Lubridate
Date Time in R using Lubridate
روغن کاری کردن
lubridate
آمار توصیفی با استفاده از R
Descriptive Statistics using R
آمار توصیفی
Descriptive Statistics
آمار توصیفی با استفاده از R
Descriptive Statistics Using R
تجسم داده ها با استفاده از GGPLOT2
Data Visualization Using GGPLOT2
GGPLOT GGPLOT Intro
GGPLOT INTRO
نقشه برداری GGPLOT2
GGPLOT2 plotting
تابع QPlot
QPlot function
GGPLOT2 تمرین سوالات
GGPLOT2 Practice questions
سوالات تمرینی ggplot2
ggplot2 practice questions
مطالعات موردی
Case Studies
مطالعه موردی 1: تجسم کامل مجموعه داده تایتانیک
Case Study 1 :Titanic Dataset Complete Visualization
مطالعه موردی 2: تجزیه و تحلیل منابع انسانی
Case Study 2 : HR Analytics
پروژه ها و راه حل ها
Projects And Solutions
پروژه 1: مشکل تبدیل داده سیاتل
Project 1: Seattle Data Transformation Problem
پروژه 1: راه حل تبدیل داده های برخورد سیاتل
Project 1: Seattle Collision Data Transformation Solution
پروژه 2: مشکل تجزیه و تحلیل داده های الماس
Project 2: Diamond data analysis Problem
پروژه 2: راه حل تجزیه و تحلیل مجموعه داده های الماس
Project 2: Diamonds Dataset Analysis Solution
پروژه 3: مشکل تجزیه و تحلیل داده های فیس بوک
Project 3: Facebook data analysis Problem
پروژه 3: راه حل تجزیه و تحلیل داده های فیس بوک
Project 3: Facebook data Analysis Solution
پروژه 4: مشکل تجزیه و تحلیل داده های GOT
Project 4: GOT Data Analysis Problem
پروژه 4: راه حل تجزیه و تحلیل داده های GOT
Project 4: GOT Data Analysis Solution
پروژه بزرگ
Major Project
پروژه 5: مشکل تجزیه و تحلیل داده های تاکسی نیویورک
Project 5: NYC Taxi Data Analysis Problem
پروژه 5: راه حل تجزیه و تحلیل داده های تاکسی نیویورک
Project 5: NYC Taxi Data Analysis Solution
نمایش نظرات