آموزش آر برای تحلیل داده: راهنمای جامع مبتدیان - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• معرفی مجموعه داده Dataset Introduction

راه اندازی پروژه Project Set-Up

• دانلود R Download R

• دانلود R Studio Download R Studio

• دانلود فایل های دوره Download Course Files

• تنظیم دایرکتوری کاری Set Working Directory

• نصب بسته ها Install Packages

بخش 1: شروع سریع Section 1: Jumpstart

• 1.0. بارگیری کتابخانه ها و وارد کردن داده ها 1.0. Load Libraries and Import Data

• 1.1. دستکاری داده ها قسمت 1 (تغییر، تغییر انواع داده) 1.1. Data Wrangling Part 1 (mutate, change data types)

• 1.2. دستکاری داده ها قسمت 2 (انتخاب، تنظیم نام ها، تغییر نام و جدا کردن) 1.2. Data Wrangling Part 2 (select, set_names, rename, and separate)

• 1.3. دستکاری داده ها قسمت 3 (فیلتر، گروه بندی و شمارش) 1.3. Data Wrangling Part 3 (filter, group_by, and count)

• 1.4. دستکاری داده ها قسمت 4 (متمایز، برش و فیلتر بر اساس متغیر دیگر) 1.4. Data Wrangling Part 4 (distinct, slice, and filter by another variable)

• 1.5. تجسم داده قسمت 1 (نحو اصلی، facet_wrap، geom_text و scales) 1.5. Data Visualization Part 1 (core syntax, facet_wrap, geom_text, & scales)

• 1.6. تجسم داده قسمت 2 (اضافه کردن تم و برچسب ها) 1.6. Data Visualization Part 2 (Add theme and labels)

• 1.7. تجسم داده قسمت 3 (geom_point، geom_smooth، geom_jitter) 1.7. Data Visualization Part 3 (geom_point, geom_smooth, geom_jitter)

• معرفی چالش 1 Challenge 1 Introduction

• توضیح چالش 1 Challenge 1 Explanation

بخش 2: بارگیری، پیوستن و کاوش در داده ها Section 2: Loading, Joining, and Exploring Data

• مقدمه بخش 2 Section 2 Introduction

• معرفی نوع داده Data Type Intro.

• معرفی ساختار داده Data Structure Intro.

• بارگیری داده از پایگاه داده Snowflake Load Data from Snowflake Database

• تغییر (با case_when، if_else) Mutate (with case_when, if_else)

• تحلیل اکتشافی داده ها قسمت 1 (مقدمه) Exploratory Data Analysis Part 1 (Introduction)

• تحلیل اکتشافی داده ها قسمت 2 (بسته DataExplorer) Exploratory Data Analysis Part 2 (DataExplorer package)

• تحلیل اکتشافی داده ها قسمت 3 (بسته های skimr و GGally) Exploratory Data Analysis Part 3 (skimr and GGally packages)

بخش 3: تبدیل داده Section 3: Data Transformation

• فیلتر قسمت 1 Filter Part 1

• فیلتر قسمت 2 Filter Part 2

• Pivot_wider و pivot_longer قسمت 1 Pivot_wider and pivot_longer Part 1

• Pivot_longer قسمت 2 Pivot_longer Part 2

• Bind_rows Bind_rows

• Group_by & Summarize Group_by & Summarize

• تاریخ ها و زمان ها قسمت 1: اجزای تاریخ Dates and Times Part 1: Date components

• تاریخ ها و زمان ها قسمت 2: floor & ceiling_date Dates and Times Part 2: floor & ceiling_date

• تاریخ ها و زمان ها قسمت 3: lag & change over time Dates and Times Part 3: lag & change over time

• تاریخ ها و زمان ها قسمت 4: rollmean & cumsum Dates and Times Part 4: rollmean & cumsum

• اصلاح رشته ها قسمت 1: str_to_lower، str_detect و str_replace_all Modify Strings Part 1: str_to_lower, str_detect, and str_replace_all

• اصلاح رشته ها قسمت 2: str_glue Modify Strings Part 2: str_glue

• اصلاح رشته ها قسمت 3: جدا کردن و متحد کردن Modify Strings Part 3: separate & unite

• معرفی چالش 3 Challenge 3 Introduction

• راه حل های چالش 3 Challenge 3 Solutions

بخش 4: مهندسی ویژگی Section 4: Feature Engineering

• مقدمه مهندسی ویژگی Feature Engineering Introduction

• میانگین های تجمعی (از ابتدای سال) و متحرک Cumulative (year-to-date) and Rolling Averages

• استخراج ویژگی های مبتنی بر زمان Extracting Time-Based Features

• گزینه دوره: توابع یا تجسم ها Course Option: Functions or Visualizations

• برنامه نویسی تابعی قسمت 1: توابع ناشناس در یک لیست Functional Programming Part 1: Anonymous functions within a list

• برنامه نویسی تابعی قسمت 2: ایجاد اولین تابع خود Functional Programming Part 2: Creating your first function

• تفسیر نمودار جعبه ای و تعریف داده های پرت Interpreting a Boxplot and Defining Outliers

• برنامه نویسی تابعی قسمت 3: اجرای یک تابع بر روی یک ستون Functional Programming Part 3: Run a Function on a Single Column

• برنامه نویسی تابعی قسمت 4: اجرای یک تابع بر روی چندین ستون Functional Programming Part 4: Run a Function On Multiple Columns

• برنامه نویسی تابعی قسمت 4: اضافه کردن نتایج تابع به تجسم Functional Programming Part 4: Adding Function Results to Visualization

• برنامه نویسی تابعی قسمت 5: اجرای چندین آزمون T بر روی یک دیتافریم Functional Programming Part 5: Run Multiple T-Tests on a Dataframe

• برنامه نویسی تابعی قسمت 6: ذخیره و بارگیری توابع Functional Programming Part 6: Save and Load Functions

بخش 5: گزارش ها و تجسم داده Section 5: Data Visualizations and Reports

• مقدمه: انتخاب نمودار مناسب Introduction: Choosing the Right Plot

• قسمت 1: نمودار میله ای Part 1: Barplot

• قسمت 2: تابع نمودار میله ای Part 2: Barplot Function

• قسمت 3: نمودارهای پراکندگی (& geom_jitter) Part 3: Scatterplots (& geom_jitter)

• قسمت 4: تابع نمودار پراکندگی Part 4: Scatterplot Function

• قسمت 5: نمودار چگالی Part 5: Density Plot

• قسمت 6: نمودار جعبه ای و نمودار ویولن Part 6: Boxplot & Violin Plot

• قسمت 7: نمودار خطی و کد منبع توابع نمودار Part 7: Line Graph and Sourcing Plot Functions

• قسمت 8: بارگیری کتابخانه های جدید قبل از بخش بعدی Part 8: Load New Libraries Before Next Section

• پاداش: معرفی بسته تجسم جدید (Tidyplots) BONUS: New Visualization Package Intro (Tidyplots)

بخش 6: ساخت گزارش ها Section 6: Building Reports

• مقدمه R Markdown R Markdown Introduction

• قسمت 1: ایجاد یک گزارش Part 1: Creating a Report

• قسمت 2: اضافه کردن نمودارها و جداول به گزارش ها Part 2: Adding Graphs and Tables to Reports

• قسمت 3: استفاده از CSS برای سفارشی کردن طرح بندی گزارش Part 3: Using CSS to Customize Report Layout

• قسمت 4: گزارش های PDF Part 4: PDF Reports

• قسمت 5: مقدمه ای بر طرح بندی نمودار با Patchwork Part 5: Intro to Graph Layout with Patchwork

• قسمت 6: روش های اضافی برای سفارشی کردن طرح بندی نمودار Part 6: Additional Ways to Customize Graph Layout

• قسمت 7: پنجره ویرایشگر ویژوال Part 7: Visual Editor Window

• قسمت 8: گزارش های پارامتری شده برای اتوماسیون Part 8: Parameterized Reports for Automation