آموزش متن کاوی و پردازش زبان طبیعی در R

Text Mining and Natural Language Processing in R

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: آموزش عملی متن کاوی و پردازش زبان طبیعی (NLP) برای کاربردهای علم داده در R. دانش آموزان می توانند داده ها را از منابع مختلف بخوانند - از جمله پایگاه های داده Webscraping پایه - استخراج متن و داده های جدولی از صفحات HTML کاوی رسانه های اجتماعی از فیس بوک و توییتر استخراج اطلاعات مربوط به توییت ها و پست ها تجزیه و تحلیل داده های متنی برای احساسات انجام تجزیه و تحلیل احساسات پیاده سازی پردازش زبان طبیعی (NLP) بر روی انواع مختلف داده های متنی پیش نیازها: باید تجربه قبلی R و RStudio را داشته باشد تجربه قبلی تکنیک های آماری و یادگیری ماشینی خواهد بود. سودمند باشد باید علاقه مند به یادگیری متن کاوی عملی و پردازش زبان طبیعی (NLP) باشد باید به استخراج بینش از رسانه های اجتماعی و داده های متنی علاقه مند باشد.

آیا می‌خواهید با جمع‌آوری بینش‌های بدیع از رسانه‌های اجتماعی، برتری کسب کنید؟

آیا می خواهید از قدرت متن بدون ساختار و رسانه های اجتماعی برای پیش بینی روندها استفاده کنید؟

در طول دهه گذشته انفجاری در سایت‌های رسانه‌های اجتماعی رخ داده است و اکنون سایت‌هایی مانند فیس‌بوک و توییتر برای همه چیز از اشتراک‌گذاری اطلاعات تا توزیع اخبار استفاده می‌شوند. رسانه های اجتماعی هم روندها را ثبت می کنند و هم روندها را تعیین می کنند. استخراج داده های متنی بدون ساختار و رسانه های اجتماعی آخرین مرز یادگیری ماشین و علم داده است.

از یک دانشمند داده خبره با 5 سال تجربه بیاموزید:

نام من مینروا سینگ است و من فارغ التحصیل کارشناسی ارشد دانشگاه آکسفورد (جغرافیا و محیط زیست) هستم. من اخیراً دکترای خود را در دانشگاه کمبریج (اکولوژی و حفاظت گرمسیری) به پایان رساندم. من چندین سال تجربه در تجزیه و تحلیل داده های واقعی از منابع مختلف با استفاده از تکنیک های مرتبط با علم داده و تولید نشریات برای مجلات معتبر بین المللی دارم. برخلاف سایر دوره‌های آموزشی که بر روی تئوری و روش‌های قدیمی تمرکز دارند، این دوره به شما تکنیک‌های عملی را آموزش می‌دهد تا از قدرت داده‌های متنی و رسانه‌های اجتماعی برای ساخت مدل‌های پیش‌بینی قدرتمند استفاده کنید. ما اسکراپینگ وب، متن کاوی و پردازش زبان طبیعی را به همراه استخراج سایت های رسانه های اجتماعی مانند توییتر و فیس بوک برای داده های متنی پوشش خواهیم داد. علاوه بر این، شما یاد خواهید گرفت که هم از تکنیک‌های تحلیل داده‌های اکتشافی و هم تکنیک‌های یادگیری ماشینی برای به دست آوردن بینش‌های عملی از متن و داده‌های رسانه‌های اجتماعی استفاده کنید.

حرفه علم داده خود را به سطح بعدی ببرید

تبدیل شدن به یک متخصص در متن کاوی پردازش زبان طبیعی:

دوره آموزشی من به شما کمک می کند روش ها را با استفاده از داده های واقعی به دست آمده از منابع مختلف پیاده سازی کنید. بسیاری از دوره‌ها از داده‌های ساختگی استفاده می‌کنند که دانش‌آموزان را قادر به پیاده‌سازی علم داده مبتنی بر R در زندگی واقعی نمی‌کند. پس از گذراندن این دوره، به راحتی از بسته‌هایی مانند caret، dplyr برای کار با داده‌های واقعی در R استفاده می‌کنید. همچنین یاد می‌گیرید از بسته‌های رایج استخراج رسانه‌های اجتماعی و پردازش زبان طبیعی برای استخراج بینش از داده‌های متنی استفاده کنید. من حتی شما را با چند مطالعه موردی کاربردی بسیار مهم آشنا خواهم کرد - مانند شناسایی کلمات مهم در یک متن و پیش بینی احساسات فیلم بر اساس بررسی های متنی. شما همچنین توییت‌های مربوط به موضوعات پرطرفدار را استخراج خواهید کرد که احساسات زیربنایی آن‌ها را تحلیل کرده و موضوعات را با تخصیص دیریکله پنهان شناسایی می‌کنید. با این دوره قدرتمند، شما همه چیز را می دانید: استخراج داده های متنی از وب سایت ها، استخراج داده ها از سایت های رسانه های اجتماعی و انجام تجزیه و تحلیل آنها با استفاده از تجسم، آمار، یادگیری ماشینی و یادگیری عمیق!

تجزیه و تحلیل داده‌ها را برای پروژه‌های خود، فارغ از سطح مهارت خود، شروع کنید و کارفرمایان بالقوه خود را با نمونه‌های واقعی پروژه‌های علم داده خود تحت تأثیر قرار دهید.

آنچه دریافت خواهید کرد اینجاست:

  • ساختارهای داده و خواندن در R، از جمله داده‌های CSV، Excel، JSON، HTML.

  • خراش دادن وب با استفاده از R

  • استخراج داده های متنی از Twitter و Facebook با استفاده از API

  • داده ها را از برنامه FourSquare استخراج و پاک کنید

  • تجزیه و تحلیل داده های اکتشافی داده های متنی

  • تکنیک‌های رایج پردازش زبان طبیعی مانند تحلیل احساسات و مدل‌سازی موضوع

  • تکنیک‌های یادگیری ماشینی مانند خوشه‌بندی، رگرسیون و طبقه‌بندی را روی داده‌های متنی پیاده‌سازی کنید

  • تحلیل شبکه

به‌علاوه، مهارت‌های تازه به‌دست‌آمده خود را به کار می‌گیرید و یک تکلیف تحلیل متن عملی را تکمیل می‌کنید

ما مدتی را صرف پرداختن به برخی از مفاهیم نظری خواهیم کرد. با این حال، اکثر دوره بر پیاده سازی تکنیک های مختلف بر روی داده های واقعی و تفسیر نتایج متمرکز خواهد بود.

بعد از هر ویدیو، مفهوم یا تکنیک جدیدی را یاد خواهید گرفت که می توانید آن را در پروژه های خود به کار ببرید.

همه داده ها و کدهای استفاده شده در دوره به صورت رایگان در دسترس قرار گرفته است و شما می توانید هر طور که دوست دارید از آن استفاده کنید. همچنین به سخنرانی های اضافی که در آینده به صورت رایگان اضافه می شوند دسترسی خواهید داشت.

همین حالا به دوره بپیوندید!




سرفصل ها و درس ها

مقدمه دوره: مفاهیم کلیدی و ابزار نرم افزار INTRODUCTION TO THE COURSE: The Key Concepts and Software Tools

  • درباره دوره و مدرس About the Course and Instructor

  • داده ها و اسکریپت های دوره Data and Scripts For the Course

  • مقدمه ای بر R و RStudio Introduction to R and RStudio

مقدمه دوره: مفاهیم کلیدی و ابزار نرم افزار INTRODUCTION TO THE COURSE: The Key Concepts and Software Tools

  • درباره دوره و مدرس About the Course and Instructor

  • داده ها و اسکریپت های دوره Data and Scripts For the Course

  • مقدمه ای بر R و RStudio Introduction to R and RStudio

  • نتیجه گیری در بخش 1 Conclusion to Section 1

  • نتیجه گیری در بخش 1 Conclusion to Section 1

خواندن داده ها از منابع مختلف Reading in Data from Different Sources

خواندن داده ها از منابع مختلف Reading in Data from Different Sources

  • در داده های CSV و Excel بخوانید Read in CSV & Excel Data

  • در داده های CSV و Excel بخوانید Read in CSV & Excel Data

  • اطلاعات را از CSV آنلاین بخوانید Read in Data from Online CSV

  • اطلاعات را از CSV آنلاین بخوانید Read in Data from Online CSV

  • در فایل فشرده بخوانید Read in Zipped File

  • در فایل فشرده بخوانید Read in Zipped File

  • خواندن داده ها از یک پایگاه داده Read Data from a Database

  • خواندن داده ها از یک پایگاه داده Read Data from a Database

  • در داده های JSON بخوانید Read in JSON Data

  • در داده های JSON بخوانید Read in JSON Data

  • داده ها را از اسناد PDF بخوانید Read in Data from PDF Documents

  • داده ها را از اسناد PDF بخوانید Read in Data from PDF Documents

  • در جداول از اسناد PDF بخوانید Read in Tables from PDF Documents

  • در جداول از اسناد PDF بخوانید Read in Tables from PDF Documents

  • نتیجه گیری در بخش 2 Conclusion to Section 2

  • نتیجه گیری در بخش 2 Conclusion to Section 2

Webscraping: استخراج داده ها از صفحات وب Webscraping: Extract Data from Webpages

  • در داده ها از جداول HTML آنلاین - قسمت 2 بخوانید Read in Data from Online HTML Tables-Part 2

  • داده ها را از جداول HTML دریافت و پاک کنید Get and Clean Data from HTML Tables

  • خواندن داده های متنی از یک صفحه HTML Read Text Data from an HTML Page

  • مقدمه ای بر گجت انتخابگر Introduction to Selector Gadget

  • Webscraping بیشتر با صفحه وب rvest-IMDB More Webscraping With rvest-IMDB Webpage

Webscraping: استخراج داده ها از صفحات وب Webscraping: Extract Data from Webpages

  • در Data From Online Google Sheets بخوانید Read in Data From Online Google Sheets

  • در Data From Online Google Sheets بخوانید Read in Data From Online Google Sheets

  • در داده ها از جداول HTML آنلاین - قسمت 1 بخوانید Read in Data from Online HTML Tables-Part 1

  • در داده ها از جداول HTML آنلاین - قسمت 1 بخوانید Read in Data from Online HTML Tables-Part 1

  • در داده ها از جداول HTML آنلاین - قسمت 2 بخوانید Read in Data from Online HTML Tables-Part 2

  • داده ها را از جداول HTML دریافت و پاک کنید Get and Clean Data from HTML Tables

  • خواندن داده های متنی از یک صفحه HTML Read Text Data from an HTML Page

  • مقدمه ای بر گجت انتخابگر Introduction to Selector Gadget

  • Webscraping بیشتر با صفحه وب rvest-IMDB More Webscraping With rvest-IMDB Webpage

  • راه دیگری برای دسترسی به عناصر صفحه وب Another Way of Accessing Webpage Elements

  • راه دیگری برای دسترسی به عناصر صفحه وب Another Way of Accessing Webpage Elements

  • نتیجه گیری در بخش 3 Conclusions to Section 3

  • نتیجه گیری در بخش 3 Conclusions to Section 3

مقدمه ای بر API ها Introduction to APIs

  • API چیست؟ What is an API?

  • داده های متنی را از روزنامه گاردین استخراج کنید Extract Text Data from Guardian Newspaper

مقدمه ای بر API ها Introduction to APIs

  • API چیست؟ What is an API?

  • داده های متنی را از روزنامه گاردین استخراج کنید Extract Text Data from Guardian Newspaper

داده کاوی متنی از رسانه های اجتماعی Text Data Mining from Social Media

  • استخراج اطلاعات بیشتر توییتر با استفاده از R More Twitter Data Extraction Using R

  • مکان های توییت را دریافت کنید Get Tweet Locations

  • روندهای خاص مکان را دریافت کنید Get Location Specific Trends

  • توییت های خاص موقعیت جغرافیایی با "rtweet" Geolocation Specific Tweets With "rtweet"

  • استخراج اطلاعات بیشتر با استفاده از rtweet More Data Extraction Using rtweet

  • استخراج نظرات برای مکان ها در FourSquare Extract Reviews for Venues on FourSquare

داده کاوی متنی از رسانه های اجتماعی Text Data Mining from Social Media

  • استخراج اطلاعات از فیس بوک Extract Data from Facebook

  • استخراج اطلاعات از فیس بوک Extract Data from Facebook

  • از فیس بوک بیشتر بهره ببرید Get More out Of Facebook

  • از فیس بوک بیشتر بهره ببرید Get More out Of Facebook

  • یک برنامه توییتر برای استخراج داده ها از توییتر راه اندازی کنید Set up a Twitter App for Mining Data from Twitter

  • یک برنامه توییتر برای استخراج داده ها از توییتر راه اندازی کنید Set up a Twitter App for Mining Data from Twitter

  • استخراج توییت ها با استفاده از R Extract Tweets Using R

  • استخراج توییت ها با استفاده از R Extract Tweets Using R

  • استخراج اطلاعات بیشتر توییتر با استفاده از R More Twitter Data Extraction Using R

  • مکان های توییت را دریافت کنید Get Tweet Locations

  • روندهای خاص مکان را دریافت کنید Get Location Specific Trends

  • درباره دنبال کنندگان یک دسته توییتر بیشتر بیاموزید Learn More About the Followers of a Twitter Handle

  • درباره دنبال کنندگان یک دسته توییتر بیشتر بیاموزید Learn More About the Followers of a Twitter Handle

  • راه دیگری برای استخراج اطلاعات از توییتر - بسته rtweet Another Way of Extracting Information From Twitter- the rtweet Package

  • راه دیگری برای استخراج اطلاعات از توییتر - بسته rtweet Another Way of Extracting Information From Twitter- the rtweet Package

  • توییت های خاص موقعیت جغرافیایی با "rtweet" Geolocation Specific Tweets With "rtweet"

  • استخراج اطلاعات بیشتر با استفاده از rtweet More Data Extraction Using rtweet

  • مکان توییت ها Locations of Tweets

  • مکان توییت ها Locations of Tweets

  • استخراج Github با استفاده از R Mining Github Using R

  • استخراج Github با استفاده از R Mining Github Using R

  • برنامه FourSquare را راه اندازی کنید Set up the FourSquare App

  • برنامه FourSquare را راه اندازی کنید Set up the FourSquare App

  • استخراج نظرات برای مکان ها در FourSquare Extract Reviews for Venues on FourSquare

  • نتیجه گیری در بخش 5 Conclusions to Section 5

  • نتیجه گیری در بخش 5 Conclusions to Section 5

کاوش داده های متنی برای ایده های اولیه Exploring Text Data For Preliminary Ideas

  • داده های توییت را کاوش کنید Explore Tweet Data

  • کاوش و تجسم متن با متن مرتب Text Exploration & Visualization with tidytext

  • چندین متن را با متن مرتب کنید Explore Multiple Texts with tidytext

  • TF-IDF به صورت گرافیکی TF-IDF in Graphical Form

  • نتیجه گیری در بخش 6 Conclusions to Section 6

کاوش داده های متنی برای ایده های اولیه Exploring Text Data For Preliminary Ideas

  • داده های توییت را کاوش کنید Explore Tweet Data

  • توضیح مختصر A Brief Explanation

  • توضیح مختصر A Brief Explanation

  • EDA با داده های متنی EDA With Text Data

  • EDA با داده های متنی EDA With Text Data

  • مجموعه متن چند سند را بررسی کنید Examine Multiple Document Corpus of Text

  • مجموعه متن چند سند را بررسی کنید Examine Multiple Document Corpus of Text

  • مقدمه ای کوتاه بر متن مرتب Brief Introduction to tidytext

  • مقدمه ای کوتاه بر متن مرتب Brief Introduction to tidytext

  • کاوش و تجسم متن با متن مرتب Text Exploration & Visualization with tidytext

  • چندین متن را با متن مرتب کنید Explore Multiple Texts with tidytext

  • تعداد کلمات منحصر به فرد در توییت ها Count Unique Words in Tweets

  • تعداد کلمات منحصر به فرد در توییت ها Count Unique Words in Tweets

  • تجسم داده های متنی به عنوان TF-IDF Visualizing Text Data as TF-IDF

  • تجسم داده های متنی به عنوان TF-IDF Visualizing Text Data as TF-IDF

  • TF-IDF به صورت گرافیکی TF-IDF in Graphical Form

  • نتیجه گیری در بخش 6 Conclusions to Section 6

پردازش زبان طبیعی: تحلیل احساسات Natural Language Processing: Sentiment Analysis

  • Wordclouds برای تجسم احساسات توییت: سیاست پولی زدایی هند Wordclouds for Visualizing Tweet Sentiments: India's Demonetization Policy

  • Quanteda Wordcloud Quanteda Wordcloud

  • احساسات توییت - برکناری موگابه Tweet Sentiments- Mugabe's Ouster

  • قطبیت متن را بررسی کنید Examine the Polarity of Text

  • نتیجه گیری در بخش 7 Conclusions to Section 7

پردازش زبان طبیعی: تحلیل احساسات Natural Language Processing: Sentiment Analysis

  • Wordclouds برای تجسم احساسات توییت: سیاست پولی زدایی هند Wordclouds for Visualizing Tweet Sentiments: India's Demonetization Policy

  • Wordclouds برای تجسم مرورها Wordclouds for Visualizing Reviews

  • Wordclouds برای تجسم مرورها Wordclouds for Visualizing Reviews

  • Wordclouds مرتب Tidy Wordclouds

  • Wordclouds مرتب Tidy Wordclouds

  • Quanteda Wordcloud Quanteda Wordcloud

  • فرکانس کلمه در داده های متنی Word Frequency in Text Data

  • فرکانس کلمه در داده های متنی Word Frequency in Text Data

  • احساسات توییت - برکناری موگابه Tweet Sentiments- Mugabe's Ouster

  • احساسات مرتب - تجزیه و تحلیل احساسات با استفاده از متن مرتب Tidy Sentiments- Sentiment Analysis Using tidytext

  • احساسات مرتب - تجزیه و تحلیل احساسات با استفاده از متن مرتب Tidy Sentiments- Sentiment Analysis Using tidytext

  • قطبیت متن را بررسی کنید Examine the Polarity of Text

  • قطبیت توییت ها را بررسی کنید Examine the Polarity of Tweets

  • قطبیت توییت ها را بررسی کنید Examine the Polarity of Tweets

  • موضوع مدلسازی یک سند Topic Modelling a Document

  • موضوع مدلسازی یک سند Topic Modelling a Document

  • موضوع مدل سازی اسناد چندگانه Topic Modelling Multiple Documents

  • موضوع مدل سازی اسناد چندگانه Topic Modelling Multiple Documents

  • توییت‌های مدل‌سازی موضوع با استفاده از Quanteda Topic Modelling Tweets Using Quanteda

  • توییت‌های مدل‌سازی موضوع با استفاده از Quanteda Topic Modelling Tweets Using Quanteda

  • نتیجه گیری در بخش 7 Conclusions to Section 7

داده های متنی و یادگیری ماشینی Text Data and Machine Learning

  • خوشه بندی برای داده های متنی Clustering for Text Data

  • خوشه بندی توییت ها با Quanteda Clustering Tweets with Quanteda

  • ایمیل های اسپم را با طبقه بندی نظارت شده شناسایی کنید Identify Spam Emails with Supervised Classification

  • مقدمه ای بر RTextTools Introduction to RTextTools

  • اطلاعات بیشتر در مورد RTextTools More on RTextTools

  • رویکردهای ML برای پیش‌بینی یک نتیجه باینری در داده‌های متنی ML Approaches For Predicting a Binary Outcome in Text Data

داده های متنی و یادگیری ماشینی Text Data and Machine Learning

  • خوشه بندی برای داده های متنی Clustering for Text Data

  • خوشه بندی توییت ها با Quanteda Clustering Tweets with Quanteda

  • رگرسیون در داده های متنی Regression on Text Data

  • رگرسیون در داده های متنی Regression on Text Data

  • ایمیل های اسپم را با طبقه بندی نظارت شده شناسایی کنید Identify Spam Emails with Supervised Classification

  • مقدمه ای بر RTextTools Introduction to RTextTools

  • اطلاعات بیشتر در مورد RTextTools More on RTextTools

  • طبقه بندی داده های متنی Classifying Textual Data

  • طبقه بندی داده های متنی Classifying Textual Data

  • رویکردهای ML برای پیش‌بینی یک نتیجه باینری در داده‌های متنی ML Approaches For Predicting a Binary Outcome in Text Data

  • رویکردهای ML برای پیش‌بینی یک نتیجه چند کلاسه در داده‌های متنی ML Approaches For Predicting a Multi-Class Outcome in Text Data

  • رویکردهای ML برای پیش‌بینی یک نتیجه چند کلاسه در داده‌های متنی ML Approaches For Predicting a Multi-Class Outcome in Text Data

تجزیه و تحلیل شبکه Network Analysis

  • یک شبکه کوچک (اجتماعی). A Small (Social) Network

  • اطلاعات بیشتر در مورد تجسم شبکه More on Network Visualization

  • تجزیه و تحلیل شبکه توییت Analysis of Tweet Network

  • تجزیه و تحلیل متن پارک منسفیلد جین آستن Text Analysis of Jane Austen's Mansfield Park

تجزیه و تحلیل شبکه Network Analysis

  • یک شبکه کوچک (اجتماعی). A Small (Social) Network

  • توضیح نظری بیشتر A More Theoretical Explanation

  • توضیح نظری بیشتر A More Theoretical Explanation

  • ساخت و تجسم یک شبکه Build & Visualize a Network

  • ساخت و تجسم یک شبکه Build & Visualize a Network

  • شبکه ایمیل Network of Emails

  • شبکه ایمیل Network of Emails

  • اطلاعات بیشتر در مورد تجسم شبکه More on Network Visualization

  • تجزیه و تحلیل شبکه توییت Analysis of Tweet Network

  • شبکه های جفت کلمه را شناسایی کنید Identify Word Pair Networks

  • شبکه های جفت کلمه را شناسایی کنید Identify Word Pair Networks

  • شبکه کلمات Network of Words

  • شبکه کلمات Network of Words

  • تجزیه و تحلیل متن پارک منسفیلد جین آستن Text Analysis of Jane Austen's Mansfield Park

سخنرانی های متفرقه Miscellaneous Lectures

  • Github Github

  • علم داده چیست؟ What Is Data Science?

سخنرانی های متفرقه Miscellaneous Lectures

  • Github Github

  • استفاده از R در Google Colab Using R Within Google Colab

  • استفاده از R در Google Colab Using R Within Google Colab

  • علم داده چیست؟ What Is Data Science?

  • ویرایش داده ها Data Editing

  • ویرایش داده ها Data Editing

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 متن کاوی و پردازش زبان طبیعی در R
جزییات دوره
9 hours
84
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
5,697
4.4 از 5
دارد
دارد
دارد
Minerva Singh
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Minerva Singh Minerva Singh

دانشمند تحصیل کرده آکسبریج

سلام. من فارغ التحصیل دکترا از دانشگاه کمبریج هستم که در آنجا در اکولوژی گرمسیری تخصص دارم. من همچنین یک دانشمند داده هستم. به عنوان بخشی از تحقیقاتم، باید تجزیه و تحلیل گسترده داده‌ها، از جمله تجزیه و تحلیل داده‌های مکانی را انجام دهم. یا برای این منظور ترجیح می‌دهم از ترکیبی از ابزارهای رایگان نرم‌افزار R، QGIS و Python استفاده کنم. بیشتر کار تجزیه و تحلیل داده‌های مکانی خود را با استفاده از R انجام می‌دهم. و QGIS. اینها جدا از رایگان بودن، ابزارهای بسیار قدرتمندی برای تجسم، پردازش و تجزیه و تحلیل داده ها هستند. من همچنین دارای مدرک کارشناسی ارشد جغرافیا و محیط زیست از دانشگاه آکسفورد هستم. من مهارت های آماری و تجزیه و تحلیل داده های خود را از طریق تعدادی MOOC از جمله The Analytics Edge (دوره آماری مبتنی بر R و یادگیری ماشین ارائه شده توسط EdX)، یادگیری آماری (دوره یادگیری ماشین مبتنی بر R ارائه شده توسط Standford آنلاین) تقویت کرده ام. علاوه بر تجزیه و تحلیل داده های مکانی، در تجزیه و تحلیل آماری، یادگیری ماشین و داده کاوی نیز مهارت دارم. من همچنین از برنامه نویسی عمومی، تجسم داده ها و توسعه وب لذت می برم. من علاوه بر اینکه یک دانشمند و اعداد شکن هستم، یک مسافر مشتاق هستم