علم داده و یادگیری ماشین با R از دوره A-Z [به روز شده برای سال 2021] [ویدئو]

Data Science and Machine Learning with R from A-Z Course [Updated for 2021] [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: این دوره مسائل عملی در محاسبات آماری را پوشش می دهد که شامل برنامه نویسی در R، خواندن داده ها در R، دسترسی به بسته های R، نوشتن توابع R، اشکال زدایی، پروفایل کد R، و سازماندهی و اظهار نظر روی کد R می باشد. ترکیب کار عملی با آموزش تئوری جامد، شما را از اصول برنامه نویسی R به تسلط می رسانیم. ما می‌دانیم که تئوری برای ایجاد یک پایه محکم مهم است، همچنین می‌دانیم که تئوری به تنهایی کار را انجام نمی‌دهد، به همین دلیل این دوره مملو از مثال‌های عملی است که می‌توانید قدم به قدم دنبال کنید. حتی اگر قبلاً تجربه کدنویسی دارید یا می خواهید در مورد ویژگی های پیشرفته زبان برنامه نویسی R بیاموزید، این دوره برای شما مناسب است! تجربه کدنویسی R در آگهی‌های شغلی برای دانشمندان داده، مهندسان یادگیری ماشین، مهندسان کلان داده، متخصصان فناوری اطلاعات، توسعه‌دهندگان پایگاه داده و موارد دیگر مورد نیاز است یا توصیه می‌شود. افزودن مهارت‌های زبان کدنویسی R به رزومه به شما در هر یک از این تخصص‌های داده‌ای که نیازمند تسلط بر تکنیک‌های آماری است، کمک می‌کند. در پایان دوره، شما یک دانشمند داده حرفه ای با R خواهید بود و با اطمینان برای مشاغل درخواست می دهید و با دانستن اینکه مهارت ها و دانش لازم برای پشتیبان گیری از آن را دارید احساس خوبی خواهید داشت. همه منابع در اینجا قرار داده شده اند: https://github.com/PacktPublishing/Data-Science-and-Machine-Learning-with-R-from-A-Z-Course-Updated-for-2021- آموزش پاکسازی، پردازش، بحث و جدل داده ها، و دستکاری آموزش رسم در R (نمودار، نمودار، نمودار، هیستوگرام و موارد دیگر) چگونه یک رزومه ایجاد کنید و اولین شغل خود را به عنوان یک دانشمند داده بدست آورید یادگیری ماشین و کاربردهای عملی مختلف آن را بیاموزید آموزش مدیریت داده و فایل در R از R برای تمیز کردن، تجزیه و تحلیل و تجسم داده ها استفاده کنید این دوره برای مبتدیانی طراحی شده است که می خواهند در مورد علم داده و یادگیری ماشین بیاموزند. هیچ دانش قبلی از R لازم نیست. استخراج داده ها و خراش وب را بیاموزید * ساخت راه حل های داده سفارشی را بیاموزید * تولید خودکار گزارش پویا را بیاموزید

سرفصل ها و درس ها

مقدمه دوره گرایش علم داده و ماشین Data Science and Machine Leaning Course Introduction

  • بررسی اجمالی بخش مقدمه علم داده و یادگیری ماشین Data Science and Machine Learning Introduction Section Overview

  • علم داده چیست؟ What is Data Science?

  • مروری بر یادگیری ماشین Machine Learning Overview

  • بازار علم داده + یادگیری ماشین Data Science + Machine Learning Marketplace

  • این دوره برای چه کسانی است؟ Who is this Course For?

  • فرصت های شغلی علم داده و یادگیری ماشین Data Science and Machine Learning Job Opportunities

  • نقش های شغلی علم داده Data Science Job Roles

شروع کار با R Getting Started with R

  • شروع کار با R Getting Started with R

  • مبانی R R Basics

  • کار با فایل ها Working with Files

  • آر استودیو R Studio

  • بررسی اجمالی Tidyverse Tidyverse Overview

  • منابع اضافی Additional Resources

انواع داده ها و ساختارها در R Data Types and Structures in R

  • انواع داده ها و ساختارها در بخش R بررسی اجمالی Data Types and Structures in R Section Overview

  • انواع پایه Basic Types

  • وکتورها - قسمت اول Vectors - Part One

  • وکتورها - قسمت دوم Vectors - Part Two

  • بردارها: مقادیر گمشده Vectors: Missing Values

  • بردارها: اجبار Vectors: Coercion

  • بردارها: نامگذاری Vectors: Naming

  • وکتورها: متفرقه Vectors: Miscellaneous

  • کار با ماتریس Working with Matrices

  • کار با لیست ها Working with Lists

  • مقدمه ای بر فریم های داده Introduction to Data Frames

  • ایجاد فریم های داده Creating Data Frames

  • فریم های داده: توابع کمک کننده Data Frames: Helper Functions

  • قاب های داده: تیبل ها Data Frames: Tibbles

متوسط ​​R Intermediate R

  • مقدمه بخش Intermedia R Intermedia R Section Introduction

  • اپراتورهای رابطه ای Relational Operators

  • عملگرهای منطقی Logical Operators

  • اظهارات مشروط Conditional Statements

  • کار با Loops Working with Loops

  • کار با توابع Working with Functions

  • کار با پکیج ها Working with Packages

  • کار با فاکتورها Working with Factors

  • تاریخ و زمان Dates and Times

  • برنامه نویسی تابعی Functional Programming

  • واردات/صادرات داده Data Import/Export

  • کار با پایگاه های داده Working with Databases

دستکاری داده ها در R Data Manipulation in R

  • مقدمه بخش دستکاری داده ها Data Manipulation Section Introduction

  • داده های مرتب Tidy Data

  • اپراتور لوله The Pipe Operator

  • {dplyr}: فعل فیلتر {dplyr}: The Filter Verb

  • {dplyr}: فعل Select {dplyr}: The Select Verb

  • {dplyr}: فعل جهش یافته {dplyr}: The Mutate Verb

  • {dplyr}: فعل Arrange {dplyr}: The Arrange Verb

  • {dplyr}: فعل خلاصه کردن {dplyr}: The Summarize Verb

  • چرخش داده: {tidyr} Data Pivoting: {tidyr}

  • دستکاری رشته: {stringr} String Manipulation: {stringr}

  • Web Scraping: {rvest} Web Scraping: {rvest}

  • تجزیه JSON: {jsonlite} JSON Parsing: {jsonlite}

تجسم داده ها در R Data Visualization in R

  • تجسم داده ها در بخش R مقدمه Data Visualization in R Section Introduction

  • شروع بصری سازی داده ها در R Getting Started with Data Visualization in R

  • نقشه برداری زیبایی شناسی Aesthetics Mappings

  • تک قطعه های متغیر Single Variable Plots

  • دو قطعه متغیر Two Variable Plots

  • وجوه، لایه بندی، و سیستم های مختصات Facets, Layering, and Coordinate Systems

  • یک ظاهر طراحی و ذخیره Styling and Saving

ایجاد گزارش با R Markdown Creating Reports with R Markdown

  • مقدمه ای بر R Markdown Introduction to R Markdown

ساخت برنامه های وب با R Shiny Building Webapps with R Shiny

  • مقدمه ای بر شینی Introduction to R Shiny

  • ایجاد یک برنامه پایه R Shiny Creating a Basic R Shiny App

  • نمونه های دیگر با R براق Other Examples with R Shiny

مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

  • مقدمه ای بر یادگیری ماشین قسمت اول Introduction to Machine Learning Part One

  • مقدمه ای بر یادگیری ماشین قسمت دوم Introduction to Machine Learning Part Two

پیش پردازش داده ها Data Preprocessing

  • مقدمه پیش پردازش داده ها Data Preprocessing Introduction

  • پیش پردازش داده ها Data Preprocessing

رگرسیون خطی: یک مدل ساده Linear Regression: A Simple Model

  • رگرسیون خطی: مقدمه مدل ساده Linear Regression: A Simple Model Introduction

  • یک مدل ساده A Simple Model

تجزیه و تحلیل داده های اکتشافی Exploratory Data Analysis

  • مقدمه تجزیه و تحلیل داده های اکتشافی Exploratory Data Analysis Introduction

  • تجزیه و تحلیل داده های اکتشافی عملی Hands-on Exploratory Data Analysis

رگرسیون خطی - یک مدل واقعی Linear Regression - a Real Model

  • رگرسیون خطی - معرفی بخش مدل واقعی Linear Regression - Real Model Section Introduction

  • رگرسیون خطی در مدل R - واقعی Linear Regression in R - Real Model

رگرسیون لجستیک Logistic Regression

  • مقدمه ای بر رگرسیون لجستیک Introduction to Logistic Regression

  • رگرسیون لجستیک در R Logistic Regression in R

شروع یک شغل در علم داده Starting a Career in Data Science

  • شروع مروری بر بخش شغلی علم داده Starting a Data Science Career Section Overview

  • ایجاد رزومه علم داده Creating a Data Science Resume

  • شروع کار با فریلنسینگ Getting Started with Freelancing

  • برترین وب سایت های فریلنسری Top Freelance Websites

  • برندسازی شخصی Personal Branding

  • بایدها و نبایدهای شبکه سازی Networking Do's and Don'ts

  • راه اندازی یک وب سایت Setting Up a Website

نمایش نظرات

علم داده و یادگیری ماشین با R از دوره A-Z [به روز شده برای سال 2021] [ویدئو]
جزییات دوره
28 h 50 m
81
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Juan E. Galvan Juan E. Galvan

کارآفرین دیجیتال | بازاریاب

سلام من خوان هستم. من از دوران دبستان کارآفرین بودم. سابقه من در فضای فناوری از بازاریابی دیجیتال، تجارت الکترونیک، توسعه وب تا برنامه نویسی است. من به آموزش مداوم با بهترین مدرک دانشگاهی بدون تمام جنبه های منفی هزینه های سنگین و روش های ناکارآمد اعتقاد دارم. من مشتاقانه منتظر کمک شما هستم تا مهارت های خود را گسترش دهید.