لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
ساختن برنامه های داده با R و Shiny: آموزش
Building Data Apps with R and Shiny: Essential Training
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
Shiny به تیم های علوم داده R اجازه می دهد بدون نیاز به یادگیری HTML ، CSS یا JavaScript ، برنامه های وب مبتنی بر داده مبتنی بر داده را ایجاد كنند. این یک ابزار قدرتمند و همه کاره است که اغلب برای اهداف تحقیق R ، تجزیه و تحلیل داده ها و حتی اهداف بازاریابی خارجی استفاده می شود. اگر درک خوبی از زبان R دارید و می دانید چگونه کد سمت مشتری را از سمت سرور جدا کنید ، آماده رفتن به این دوره و ساخت یک برنامه Shiny هستید. مارتین جان هادلی سازماندهی برنامه های تک و تقسیم پرونده ، مدیریت جداول داده ، استفاده از API ها برای ورود داده ها به یک برنامه ، افزودن کنترل های داده ، استقرار یک برنامه و موارد دیگر را پوشش می دهد.
موضوعات شامل:
ساختن یک برنامه داده براق li>
اپلیکیشن های مجرد در مقابل تقسیم پرونده li>
جداول استاتیک در مقابل جداول تعاملی li>
جداول renderTable و kableExtra و DT
اتصال به API
جمع کردن منوهای کشویی از داده ها li>
استفاده از کنترلهای فیلتر متقابل li>
جمع آوری داده ها با استفاده از قابلیت تنظیم مجدد li>
چاپ روی کنسول R در برنامه های براق li>
اشکال زدایی از برنامه های براق li>
shinyjs :: runcodeUI، reactlog
اجرای برنامه ها li>
سرفصل ها و درس ها
مقدمه
Introduction
ساخت ، آزمایش و استقرار برنامه ها به راحتی در Shiny
Build, test, and deploy apps easily in Shiny
سازماندهی دوره و پیش نیازها
Course organization and prerequisites
1. معرفی براق
1. Introducing Shiny
براق چیست؟
What is Shiny?
برنامه های داده چیست؟
What are data apps?
چرا برنامه های داده را با Shiny می سازیم؟
Why build data apps with Shiny?
برنامه های Shiny را روی دستگاه خود اجرا کنید
Run Shiny apps on your own machine
برنامه های براق را در دستگاه محلی خود ترک کنید
Quit Shiny apps on your local machine
استقرار برنامه ها به shinyapps.io
Deploying apps to shinyapps.io
استقرار برنامه ها با سرور Shiny
Deploying apps with Shiny Server
2. برنامه های Shiny و Split-File Shiny
2. Single and Split-File Shiny Apps
برنامه های پرونده تک با shinyApp
Single file apps with shinyApp
برنامه های تقسیم پرونده
Split-file apps
چه چیزی به پرونده ui.R تعلق دارد؟
What belongs in the ui.R file?
متعلق به پرونده server.R چیست؟
What belongs in the server.R file?
3. برنامه های براق 101
3. Shiny Apps 101
ایجاد یک برنامه ساده Shiny از ابتدا
Creating a simple Shiny app from scratch
درک طرح $ var و خروجی $
Understanding input$var and output$plot
عملکردهای خروجی و خروجی
Render and output functions
با استفاده از آرگومان جلسه
Using the session argument
هرگز ورودی ها یا خروجی ها را کپی نکنید
Never duplicate inputs or outputs
4- جداول داده در براق
4. Data Tables in Shiny
یک راه حل جدول را انتخاب کنید
Choose a table solution
جداول استاتیک با renderTable
Static tables with renderTable
جداول استاتیک با kableExtra
Static tables with kableExtra
جداول تعاملی با DT
Interactive tables with DT
5- وارد کردن داده ها به برنامه های درخشان خود
5. Getting Data into Your Shiny Apps
برنامه ها و داده های براق 101
Shiny apps and data 101
پرونده های داده را در یک برنامه Shiny قرار دهید
Include data files in a Shiny app
براق و بسته هایی که به API وصل می شوند
Shiny and packages that connect to API
پرونده های براق و .httr-oauth
Shiny and .httr-oauth files
متغیرهای محیطی براق و R
Shiny and R environmental variables
6. کنترل های داده محور
6. Data-Driven Controls
منوهای کشویی را از داده ها جمع کنید
Populate pull-down menus from data
انتخاب برچسب زدن در SelectInput
Labeling choices in selectInput
کنترل های وابسته به یکدیگر برای فیلتر کردن داده ها
Interdependent controls to filter data
کنترل بروزرسانی های برنامه با ActionButton
Control app updates with actionButton
7. به کاربران اجازه دهید داده ها را بارگذاری و بارگیری کنند
7. Allow Users to Upload and Download Data
به کاربران اجازه دهید داده ها را از یک برنامه بارگیری کنند
Allow users to download data from an app
داده ها را از جداول DT بارگیری کنید
Download data from DT tables
به کاربران اجازه دهید داده ها را در یک برنامه بارگذاری کنند
Allow users to upload data to an app
برای جمع آوری داده ها از rhandsontable استفاده کنید
Use rhandsontable to collect data
8. حل مسئله در برنامه های براق
8. Problem-Solving in Shiny Apps
حل مسئله در برنامه های براق 101
Problem-solving in Shiny apps 101
چاپ در کنسول R در برنامه های Shiny
Printing to the R console in Shiny apps
اشکال زدایی برنامه ها با shinyjs :: runcodeUI
Debug apps with shinyjs::runcodeUI
با استفاده از reloglog برای اشکالزدایی در برنامه های Shiny
Using reactlog to debug Shiny apps
9. ساختن برنامه های براق زیبا
9. Making Shiny Apps Beautiful
اعمال CSS سفارشی در برنامه های Shiny
Applying custom CSS to Shiny apps
درج تصاویر در برنامه های براق
Inserting images into Shiny apps
نمایش Spinning بارگیری در برنامه های Shiny
Show loading spinners in Shiny apps
10. استقرار برنامه های براق
10. Deploying Shiny Apps
از کجا می توانید برنامه های Shiny را مستقر کنید؟
Where can you deploy Shiny apps?
اتصال RStudio با shinyapps.io
Connecting RStudio with shinyapps.io
مدیریت برنامه های Shiny با rsconnect
Managing Shiny apps with rsconnect
برنامه های مستقر برنامه ای
Programmatically deploying apps
لینکدین: شبکه اجتماعی حرفهای برای ارتباط و کارآفرینی
لینکدین به عنوان یکی از بزرگترین شبکههای اجتماعی حرفهای، به میلیونها افراد در سراسر جهان این امکان را میدهد تا ارتباط برقرار کنند، اطلاعات حرفهای خود را به اشتراک بگذارند و فرصتهای شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان میدهد تا رزومه حرفهای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمنها و گروههای حرفهای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهرهمند شوند.
لینکدین همچنین به کارفرمایان امکان میدهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفهای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصتهای شغلی و گسترش شبکه حرفهای خود، نقش مهمی را ایفا میکند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفهای در دنیای امروز مورد توجه قرار دارد.
چارلی از سال 2015، زمانی که شروع به کار کرد، در R and Shiny تدریس و مشاوره می کند. به عنوان RSE در دانشگاه آکسفورد و شبکه داده های تعاملی دانشگاه را تأسیس کرد که از محققان در دسترسی بیشتر به داده های باز از طریق تعامل پشتیبانی می کند. پیشینه چارلی در فیزیک است و او قبلا برای تحقیقات Wolfram مشاوره می کرد، اما اکنون او بیشتر مهارت های حل مسئله کدنویسی را آموزش می دهد و مدت زیادی است که معادله دیفرانسیل را لمس نکرده است.
نمایش نظرات