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:

  1. زبان برنامه نویسی R چیست و چرا - درک نیاز به آمار، تفاوت بین جمعیت و نمونه ها، تکنیک های مختلف نمونه برداری.

  2. دانش اصلی برای DataTypes.

  3. دستکاری و مدیریت رشته با استفاده از بسته Stringr

  4. ساختارهای داده (بردار، ماتریس، آرایه، فهرست)

  5. حلقه ها و شرایط و توابع برای مهارت های برنامه نویسی در R.

  6. چارچوب های داده با جزئیات و چشم انداز فرآیند تجزیه و تحلیل داده ها و مفاهیم توضیح داده شده است.

  7. 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.

  8. ماژول زمان تاریخ به درک و مدیریت تاریخ و زمان در R کمک می کند.

  9. آمار توصیفی اجازه می دهد تا خلاصه داده ها را برای آمار بررسی کنید.

  10. تجسم داده ها با استفاده از GGPLOT2 برای تجزیه و تحلیل بصری ساده و پیچیده استفاده می شود.

  11. 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.

  12. 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

جایزه!!! BONUS!!!

  • جایزه !!! BONUS !!!

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش R Programming 2023 (مبتدی به نینجا): 5 پروژه دنیای واقعی!!
جزییات دوره
22.5 hours
49
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,056
4.2 از 5
دارد
دارد
دارد
MG Analytics
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

MG Analytics MG Analytics

دانشمند داده و مربی حرفه ای