آموزش Tidy Data: به روز شده پردازش داده با tidyr و dplyr در R

Tidy Data: Updated Data Processing With tidyr and dplyr in R

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: پیش پردازش داده ها، مشاجره داده ها و تجسم داده ها را با دو بسته علمی داده R داده که در داده ها در محیط R از منابع مختلف خوانده می شود، بیاموزید. بسته‌های بحث و تجسم مانند Dplyr و Ggplot2 با قرار دادن دانشی که به زودی به دست می‌آیند در برنامه‌های فوری، مهارت در پیش‌پردازش داده‌ها، مشاجره داده‌ها و تجسم داده‌ها در R کسب می‌کنند. لپ تاپ آشنایی با نحوه نصب و بارگذاری بسته های R علاقه مند به یادگیری پردازش و تجسم داده های واقعی

این نقشه راه شما برای کسب مهارت بالا در پیش پردازش داده ها، مشاجره داده ها، تجسم داده ها با استفاده از دو مورد از پرتقاضاترین بسته های علوم داده R است!

سلام، نام من مینروا سینگ است. من فارغ التحصیل کارشناسی ارشد دانشگاه آکسفورد در رشته جغرافیا هستم. دکترای خود را در دانشگاه کمبریج در زمینه حفاظت از محیط زیست گرمسیری به پایان رساندم.

من +5 تجربه در تجزیه و تحلیل داده های واقعی از منابع مختلف با استفاده از مدل سازی آماری و تولید نشریات برای مجلات معتبر بین المللی دارم. اگر راهنمای کتاب های آمار را خیلی مبهم، گران قیمت و عملی نمی بینید، پس این دوره را دوست خواهید داشت!

من این دوره آموزشی را ایجاد کردم تا شما را به صورت دستی همراهی کنم و همه مفاهیم را به شما آموزش دهم، و با اساسی‌ترین ساختار در علم داده‌های عملی - جدال و تجسم داده‌ها مقابله کنم.

این دوره تمام آنچه را که نیاز دارید به شما می آموزد و دانش خود را در حال حاضر تمرین می کند!

این دوره راه مطمئن شما برای به دست آوردن دانش و مهارت های تجزیه و تحلیل داده های آماری و تجسم است که من از آموزش های دقیقی که در 2 تا از بهترین دانشگاه های جهان دریافت کردم، مطالعه کتاب های متعدد و انتشار آماری کسب کردم. مقالات غنی در مجله بین المللی مشهور مانند PLOS One.

آنچه که این دوره برای شما انجام می دهد در اینجا آمده است:

  • این کار شما را (حتی اگر پیش‌زمینه‌ی مدل‌سازی/تحلیل آماری قبلی نداشته باشید) را از سطح پایه انجام برخی از رایج‌ترین وظایف جدال داده در R- با دو تا از رایج‌ترین بسته‌های علوم داده R tidyverse و dplyr می‌برد. .

  • این شما را به استفاده از برخی از مهم‌ترین بسته‌های جدال و تجسم داده‌های R مانند dplyr و ggplot2 مجهز می‌کند.

  • برخی از مهمترین مفاهیم تجسم داده را به صورت عملی به شما معرفی می کند تا بتوانید این مفاهیم را برای تجزیه و تحلیل و تفسیر عملی داده ها به کار ببرید.

  • همچنین می‌توانید تصمیم بگیرید که کدام تکنیک‌های مجادله و تجسم برای پاسخ به سؤالات تحقیق شما مناسب‌تر است و برای داده‌های شما و تفسیر نتایج قابل استفاده است..

این دوره بیشتر بر کمک به شما در پیاده سازی تکنیک های مختلف بر روی داده های واقعی مانند برندگان مدال المپیک تمرکز دارد

بعد از هر ویدیو، مفهوم یا تکنیک جدیدی را یاد می گیرید که می توانید بلافاصله در پروژه های خود اعمال کنید! دانش خود را از طریق آزمون ها و تکالیف عملی تقویت کنید.

در راس دوره، من همچنین به شما پیشنهاد می کنم:

  • فعالیت هایی را برای تقویت یادگیری خود تمرین کنید

  • پشتیبانی مستمر من برای اطمینان از اینکه مهارت درک کامل به دست می آورید

  • دسترسی رایگان به به‌روزرسانی‌های دوره آینده

  • حتی هر موضوعی را که مرتبط با موضوعی است که در آن به کمک نیاز دارید، در جلد مایل اضافی خواهم رفت (این چیزی است که در هیچ جای دیگری نمی توانید دریافت کنید).

  • دسترسی به انجمنی از 25000 دانشمند داده (در حال رشد) همه با هم یاد می‌گیرند و به یکدیگر کمک می‌کنند!


اکنون، در دوره ثبت نام کنید. من مطمئن هستم که شما آن را دوست خواهید داشت، اما اگر دوست ندارید، همیشه می توانید ظرف 30 روز درخواست بازپرداخت کنید. بدون هیچ احساس سختی من مشتاقانه منتظر دیدن شما در داخل هستم!




سرفصل ها و درس ها

به دوره خوش آمدید Welcome To The Course

  • مقدمه دوره Introduction to the Course

  • داده ها و اسکریپت ها Data and Scripts

  • R و RStudio را نصب کنید Install R and RStudio

  • انواع داده های رایج Common data types

  • اشاره گرهای سریع Quick Pointers

به دوره خوش آمدید Welcome To The Course

  • مقدمه دوره Introduction to the Course

  • داده ها و اسکریپت ها Data and Scripts

  • R و RStudio را نصب کنید Install R and RStudio

  • انواع داده های رایج Common data types

  • اشاره گرهای سریع Quick Pointers

در داده ها از منابع مختلف بخوانید Read in Data From Different Sources

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

  • 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

  • در داده ها از پایگاه های داده بخوانید Read in Data from Databases

  • در داده‌های JSON بخوانید Read in Data from JSON

در داده ها از منابع مختلف بخوانید Read in Data From Different Sources

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

  • 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

  • در داده ها از پایگاه های داده بخوانید Read in Data from Databases

  • در داده‌های JSON بخوانید Read in Data from JSON

پردازش داده ها با dplyr Data Processing With dplyr

  • مقدمه ای بر اپراتورهای لوله Introduction to Pipe Operators

  • با استفاده از "dplyr" با داده های ما آشنا شوید Get acquainted with our data using "dplyr"

  • انتخاب های بیشتر با dplyr More selections with dplyr

  • فیلتر ردیف Row filtering

  • فیلتر ردیف بیشتر More row filtering

  • سطرها و ستون های دلخواه را انتخاب کنید Select desired rows and columns

  • متغیرها/ستون های جدید اضافه کنید Add new variables/columns

  • درک داده ها با گروه بندی دسته های مختلف Making sense of data by grouping different categories

  • گروه بندی داده ها - قسمت 2 Grouping Data-Part 2

  • مقدمه ای بر dplyr برای خلاصه کردن داده ها - قسمت 1 Introduction to dplyr for Data Summarizing-Part 1

  • مقدمه ای بر dplyr برای خلاصه کردن داده ها - قسمت 2 Introduction to dplyr for Data Summarizing-Part 2

پردازش داده ها با dplyr Data Processing With dplyr

  • مقدمه ای بر اپراتورهای لوله Introduction to Pipe Operators

  • با استفاده از "dplyr" با داده های ما آشنا شوید Get acquainted with our data using "dplyr"

  • انتخاب های بیشتر با dplyr More selections with dplyr

  • فیلتر ردیف Row filtering

  • فیلتر ردیف بیشتر More row filtering

  • سطرها و ستون های دلخواه را انتخاب کنید Select desired rows and columns

  • متغیرها/ستون های جدید اضافه کنید Add new variables/columns

  • درک داده ها با گروه بندی دسته های مختلف Making sense of data by grouping different categories

  • گروه بندی داده ها - قسمت 2 Grouping Data-Part 2

  • مقدمه ای بر dplyr برای خلاصه کردن داده ها - قسمت 1 Introduction to dplyr for Data Summarizing-Part 1

  • مقدمه ای بر dplyr برای خلاصه کردن داده ها - قسمت 2 Introduction to dplyr for Data Summarizing-Part 2

پردازش داده به روش مرتب: بسته "tidyr". Data Processing the Tidy Way: The "tidyr" Package

  • با Tidyverse شروع کنید Start with Tidyverse

  • تغییر نام ستون Column Renaming

  • داده های مرتب: طولانی و عریض Tidy Data: Long and Wide

  • پیوستن به جداول Joining Tables

  • لانه سازی Nesting

  • یادآوری مختصر: آزمون فرضیه Brief Reminder: Hypothesis Testing

  • اجرای t-test در دسته بندی های مختلف Implement t-test On Different Categories

پردازش داده به روش مرتب: بسته "tidyr". Data Processing the Tidy Way: The "tidyr" Package

  • با Tidyverse شروع کنید Start with Tidyverse

  • تغییر نام ستون Column Renaming

  • داده های مرتب: طولانی و عریض Tidy Data: Long and Wide

  • پیوستن به جداول Joining Tables

  • لانه سازی Nesting

  • یادآوری مختصر: آزمون فرضیه Brief Reminder: Hypothesis Testing

  • اجرای t-test در دسته بندی های مختلف Implement t-test On Different Categories

مقابله با ارزش های گمشده Dealing With Missing Values

  • حذف NA - به روش معمولی Removing NAs- the ordinary way

  • حذف NAs- با استفاده از "dplyr" Remove NAs- using "dplyr"

  • انتساب داده ها با dplyr Data imputation with dplyr

  • نسبت داده های بیشتر More data imputation

مقابله با ارزش های گمشده Dealing With Missing Values

  • حذف NA - به روش معمولی Removing NAs- the ordinary way

  • حذف NAs- با استفاده از "dplyr" Remove NAs- using "dplyr"

  • انتساب داده ها با dplyr Data imputation with dplyr

  • نسبت داده های بیشتر More data imputation

تجسم و کاوش داده ها Data Visualisation and Explorations

  • تجسم داده چیست؟ What is Data Visualisation?

  • برخی از اصول تجسم داده ها Some Principles of Data Visualisation

  • تجسم داده ها با dplyr و ggplot2 Data Visualisation With dplyr and ggplot2

  • استخراج و تجسم اطلاعات در مورد بازی های المپیک Mining and Visualising Information About the Olympic Games

  • از بازی های المپیک زمستانی و تابستانی Of Winter and Summer Olympic Games

  • از مردان و زنان Of Men and Women

  • نظریه رگرسیون حداقل مربعات معمولی (OLS). Theory of Ordinary Least Square (OLS) Regression

  • پیاده سازی OLS در دسته بندی های مختلف Implement OLS on Different Categories

تجسم و کاوش داده ها Data Visualisation and Explorations

  • تجسم داده چیست؟ What is Data Visualisation?

  • برخی از اصول تجسم داده ها Some Principles of Data Visualisation

  • تجسم داده ها با dplyr و ggplot2 Data Visualisation With dplyr and ggplot2

  • استخراج و تجسم اطلاعات در مورد بازی های المپیک Mining and Visualising Information About the Olympic Games

  • از بازی های المپیک زمستانی و تابستانی Of Winter and Summer Olympic Games

  • از مردان و زنان Of Men and Women

  • نظریه رگرسیون حداقل مربعات معمولی (OLS). Theory of Ordinary Least Square (OLS) Regression

  • پیاده سازی OLS در دسته بندی های مختلف Implement OLS on Different Categories

سخنرانی های متفرقه Miscellaneous Lectures

  • معرفی Github Github Intro

  • گروه بر اساس زمان Group By Time

سخنرانی های متفرقه Miscellaneous Lectures

  • معرفی Github Github Intro

  • گروه بر اساس زمان Group By Time

نمایش نظرات

نظری ارسال نشده است.

آموزش Tidy Data: به روز شده پردازش داده با tidyr و dplyr در R
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
4.5 hours
42
Udemy (یودمی) udemy-small
16 مهر 1401 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
1,348
4.8 از 5
دارد
دارد
دارد
Minerva Singh

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

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.