لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش بوت کمپ در علم داده با استفاده از زبان R
دانلود Bootcamp on Data Science using R language
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
Building Data Science Pipelines تعریف علم داده جمع آوری داده ها و آمار پیش پردازش مدل سازی پیش بینی پیش نیازها:هیچ
علوم داده یک حوزه چند رشته ای است که از ترکیبی از تکنیک ها، الگوریتم ها، فرآیندها و سیستم ها برای استخراج بینش و دانش معنادار از داده های ساختاریافته و بدون ساختار استفاده می کند. علم داده به دلیل تأثیرات دگرگون کننده ای که بر جنبه های مختلف کسب و کار، تحقیق و تصمیم گیری دارد، در دنیای امروز از اهمیت قابل توجهی برخوردار است. این شامل عناصر آمار، علوم کامپیوتر، تخصص حوزه، و تجزیه و تحلیل داده ها برای تجزیه و تحلیل و تفسیر داده های پیچیده است. علم داده سازمان ها را قادر می سازد تا تصمیمات آگاهانه ای را بر اساس تجزیه و تحلیل داده ها اتخاذ کنند تا اینکه صرفاً بر شهود یا تجربه تکیه کنند. این منجر به فرآیندهای تصمیم گیری دقیق تر و موثرتر می شود. در طول این دوره، دانش آموزان کل فرآیند توسعه یک پروژه علم داده را یاد خواهند گرفت. در طول این دوره، دانشآموزان نکات ظریف علم داده، جمعآوری داده، تمیز کردن دادهها، تجسم دادهها، اهمیت آمار و یادگیری ماشینی و غیره را خواهند آموخت. ما از زبان برنامهنویسی r برای توسعه خطوط لوله استفاده خواهیم کرد. R یک زبان برنامه نویسی و محیطی است که به طور خاص برای محاسبات آماری و گرافیک طراحی شده است. این منبع باز است و به طور گسترده توسط آماردانان، دانشمندان داده، محققان و تحلیلگران برای تجزیه و تحلیل داده ها، مدل سازی آماری و تجسم استفاده می شود. R دارای اکوسیستم غنی از بسته ها و کتابخانه ها است که عملکرد آن را گسترش می دهد. این بستهها طیف گستردهای از حوزهها، از یادگیری ماشین و دستکاری دادهها تا بیوانفورماتیک و امور مالی را پوشش میدهند. بنابراین، بیایید دست و پنجه نرم کنیم!!!
سرفصل ها و درس ها
درباره برنامه
About the Program
نتیجه گیری دوره
Course Conclusion
مقدمه ای بر علم داده
Introduction to Data Science
علم داده چیست؟
What is Data Science?
دیتا چیست؟
What is Data?
کار با داده چیست؟
What's the Job with Data
ابزارها و فناوری های علم داده
Data Science Tools & Technologies
جریان فرآیند علم داده
Data Science Process Flow
کاربردهای علم داده
Applications of Data Science
مقدمه ای بر علم داده
Introduction to Data Science
پایه های R
Foundations of R
مقدمه ای بر زبان R
Introduction to R Language
نصب R Language و R Studio
Installation of R Language and R Studio
مدیریت محیط R
Handling R Environment
تنظیم فهرست کاری
Setting Working Directory
انواع داده ها و متغیرها
Data Types and Variables
عملیات حسابی
Arithmetic Operations
فریم های داده
Data Frames
پایه های R
Foundations of R
جمع آوری داده ها
Data Collection
روش شناسی علم داده
Data Science Methodology
تکنیک های جمع آوری داده ها
Data Collection Techniques
مقدمه ای بر Web Scraping
Introduction to Web Scraping
خراش دادن وب با استفاده از زبان R
Web Scraping Using R Language
پیش پردازش داده ها
Data Pre-processing
اهمیت پیش پردازش داده ها
Significance of Data Pre-processing
بررسی فرمت های داده
Checking Data Formats
رسیدگی به داده های از دست رفته
Handling Missing Data
مدیریت داده های طبقه بندی شده
Handling Categorical Data
تجزیه و تحلیل پرت
Outlier Analysis
مقیاس بندی داده ها
Data Scaling
جمع آوری داده ها و پیش پردازش
Data Collection & Pre-processing
آمار توصیفی
Descriptive Statistics
اهمیت آمار در علم داده
Significance of Statistics in Data Science
ابزارهای آمار توصیفی برای علم داده
Descriptive Statistics Tools for Data Science
اندازه گیری گرایش مرکزی
Measure of Central Tendency
تنوع در داده ها
Variation in Data
ارتباط متغیرها
Association of Variables
آمار استنباطی
Inferential Statistics
آمار استنباطی چیست؟
What is Inferential Statistics?
فواصل اطمینان
Confidence Intervals
فواصل اطمینان در زبان R
Confidence Intervals in R Language
توزیع تی دانشجویی
Student T-Distribution
T-Test در زبان R
T-Test in R Language
آزمون فرضیه
Hypothesis Testing
آزمون فرضیه در زبان R
Hypothesis Testing in R Language
آمار توصیفی و استنباطی
Descriptive & Inferential Statistics
مدل سازی پیش بینی
Predictive Modelling
پیش بینی تجزیه و تحلیل چیست؟
What is Predictive Analytics?
مقدمه ای بر رگرسیون خطی
Introduction to Linear Regression
رگرسیون خطی ساده در زبان R
Simple Linear Regression in R Language
مقدمه ای بر رگرسیون خطی چندگانه
Introduction to Multiple Linear Regression
رگرسیون خطی چندگانه در زبان R
Multiple Linear Regression in R Language
طبقه بندی
Classification
مقدمه ای بر مدل های طبقه بندی
Introduction to Classification Models
مقدمه ای بر رگرسیون لجستیک
Introduction to Logistic Regression
اجرای رگرسیون لجستیک
Implementation of Logistic Regression
مقدمه ای بر طبقه بندی تصادفی جنگل
Introduction to Random Forest Classification
طبقه بندی تصادفی جنگل در زبان R
Random Forest Classification in R Language
مدل سازی و طبقه بندی پیش بینی
Predictive Modelling & Classification
کاهش ابعاد
Dimensionality Reduction
مقدمه ای بر کاهش ابعاد
Introduction to Dimensionality Reduction
مقدمه ای بر تحلیل مولفه های اصلی
Introduction to Principle Component Analysis
تجزیه و تحلیل مولفه های اصلی در زبان R
Principle Component Analysis in R Language
نمایش نظرات