لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش R Tidyverse Reporting and Analytics برای کاربران اکسل
R Tidyverse Reporting and Analytics for Excel Users
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
از اکسل تا دادههای بزرگ و تجسم داشبورد تعاملی در 5 ساعت چگونه R توابع رایج اکسل را پیادهسازی میکند و چگونه میتواند در واقع سریعتر، آسانتر و انعطافپذیرتر از روشهای آشنای اکسل باشد. در پایان این دوره، دانش لازم برای کار با مجموعههای بزرگ دادهها را سریعتر و آسانتر از آنچه فکر میکردید خواهید داشت. این دوره از کتابخانه های tidyverse در R استفاده می کند که راه حلی زیبا برای حل 99٪ از نیازهای گزارش ما ارائه می دهد. Tidyverse به طور باورنکردنی به خوبی پشتیبانی میشود و تنها با تمرکز بر روی این مجموعهای از کتابخانهها، میتوانیم زمان مورد نیاز برای راهاندازی و اجرای R را به طور گسترده کوتاه کنیم. بسیاری از دورههای مبتدی در R شروع به آموزش آنچه به عنوان پایه R شناخته میشود، را پوشش میدهند. روش های اصلی برای کار با R که از طریق نظم و ترتیب بهبود یافته و ساده شده است. اگر چه ممکن است درک کمی از پایه R مفید باشد، اما نه از الزامات این دوره است و نه الزامی برای تولید واقعی در زبان R. همانطور که تمرینها را مرور میکنیم، میخواهیم با رایجترین روشی که فرآیندها معمولاً در اکسل انجام میشوند مقایسه کنیم. پیش نیازها: شما باید با دستورات و جداول محوری در اکسل راحت باشید
اگر از Excel برای هر نوع گزارش یا تجزیه و تحلیل استفاده می کنید، این دوره برای شما مناسب است. دوره های بسیار خوبی وجود دارد که R را برای تجزیه و تحلیل آماری و علم داده آموزش می دهد که گاهی اوقات R را برای استفاده روزانه کمی پیشرفته به نظر می رساند. همچنین از آنجایی که روش های مختلفی برای استفاده از R وجود دارد که اغلب می تواند سردرگمی را افزایش دهد. واقعیت این است که R میتواند برای تجزیه و تحلیل گزارشهای روزانهتان که در اکسل انجام میدهید بسیار سریعتر و آسانتر کند، بدون اینکه نیاز به تکنیکهای آماری پیچیدهای داشته باشید و در عین حال به شما پایهای محکم برای گسترش در آن حوزهها در صورت تمایل میدهد. این دوره از استانداردهای Tidyverse برای استفاده از R استفاده می کند که یک روش واحد، جامع و آسان برای استفاده از R بدون پیچیدگی کارها از طریق چندین روش ارائه می دهد. این طراحی شده است تا بر اساس مهارت هایی که قبلاً در اکسل با آنها آشنا هستید ایجاد کند تا مسیر یادگیری شما را میانبر کند.
وقتی برای اولین بار استفاده از R را شروع کردم، فکر کردم که می تواند جایگزین خوبی برای فرآیندهای نوع اتوماسیونی باشد که قبلاً در VBA می نوشتم. این می تواند برای بسیاری از کاربران اکسل بسیار بد باشد زیرا VBA اغلب یک لایه پیچیدگی اضافی به کار شما اضافه می کند و اغلب فقط کاری است که برای خودکارسازی فرآیندی انجام می شود که قبلاً در اکسل ایجاد شده است. یکی از مزایای کلیدی اکسل این است که شما مستقیماً با دادهها کار میکنید بدون اینکه نیازی به پیچیدگی و هزینههای سنگین استفاده از زبان برنامهنویسی داشته باشید.
زبانهای برنامهنویسی مانند VBA در واقع برای کار با دادهها بسیار دشوار هستند، زیرا حتی هیچ راه مختصری برای ارجاع به عناصر داده رایج مانند ستونهای جدول نامگذاری شده وجود ندارد. برای انجام یک عملیات روی هر ردیف، چندین خط کد نیاز است که کند اجرا می شود و در نهایت فرمول شما را پنهان می کند که در واقع حاوی منطق تجاری شما است.
با وجود همه اینها، افراد به هر حال از VBA استفاده می کنند، زیرا زمانی که برای تنظیم فرآیندهای خود وقت گذاشتید، می توانید دقیقاً همان مراحل را هزاران بار با یک کلیک یک دکمه اجرا کنید.
اگر راهی برای کار مستقیم با داده های شما به سادگی اکسل وجود داشته باشد، اما قدرت برنامه نویسی بیشتری نسبت به VBA داشته باشید، چه؟ این کاری است که R می تواند برای شما انجام دهد.
از زمانی که استفاده از R را شروع کردم، مردم از من پرسیدند که چه زمانی استفاده از R به جای Excel مفید است. در اینجا چند نمونه وجود دارد
1. vlookup ها و sumif ها در مجموعه داده های بزرگ می توانند بسیار آهسته در اکسل اجرا شوند. من به مردم کمک کردهام تا چندین خط از vlookups را که ۸۰ دقیقه طول میکشد تا در اکسل اجرا شوند، با یک تابع در R که کمتر از ۱/۱۰ ثانیه طول میکشد، جایگزین کنند.
2. کاوش و تجزیه و تحلیل داده های شما در R را می توان در یک جدول ساده مانند اکسل مشاهده کرد، اما همچنین دارای طیف گسترده ای از روش های دیگر است که می تواند موثرتر باشد.
3. داشبوردها و تجسم ها بسیار غنی تر و آسان تر از Excel
ساخته می شوند
4. توزیع کار شما در اکسل می تواند مفید باشد زیرا تقریباً همه اکسل را نصب کرده اند. مشکلاتی که در این مورد وجود دارد این است که همه همیشه نسخه یکسان اکسل یا افزونهها را نصب نمیکنند و این بدان معناست که کار شما ممکن است سازگار نباشد. همچنین فایلهایی معمولاً در اطراف ایمیل ارسال میشوند که میتوانند به سرعت منجر به صدها کپی ردیابی نشده از فایلهای اکسل شما با تغییرات جزئی در آنها شوند. خروجیهای R میتوانند فایلهای اکسل یا csv ساده باشند، با این حال خروجی شما میتواند یک برنامه وب نیز باشد که میتواند به صورت متمرکز روی سروری سازگار با هر مرورگر وب در رایانه یا تلفن هوشمند شما ذخیره و ردیابی شود.
5. همکاری تیمی و کنترل نسخه در اکسل از طریق کتابهای کار مشترک و پیگیری تغییرات انجام میشود. روشن کردن این ویژگی ها در اکسل برخی از بهترین ویژگی های اکسل را غیرفعال می کند و همچنان منجر به قفل شدن فایل می شود. همکاری تیمی در R در github انجام میشود که به شما امکان میدهد به راحتی در بین تیمها بدون مشکلات قفل کردن فایل و تاریخچه حسابرسی کامل کار خود کار کنید.
زیبایی R در این است که وقتی شروع به استفاده از آن کردید، دیگر نیازی به سرمایهگذاری خاصی در زمان برای خودکارسازی فرآیندهای خود پس از انجام تجزیه و تحلیل ندارید. عملاً هر کاری را که می توانید در اکسل انجام دهید، می توانید حتی برای اولین دور تجزیه و تحلیل خود سریعتر و بهتر انجام دهید و یک اسکریپت برای شما باقی می گذارد که به این معنی است که کار شما از همان ابتدا قابل تکرار و خودکار است.
اگرچه مهارتهای موجود در اکسل به شما کمک میکند تا R را انتخاب کنید، یکی از سختترین چیزها این است که آنقدر با اکسل آشنا هستید که ادامه استفاده از آن بسیار آسان است. من سال ها از اکسل استفاده کردم و هزاران ساعت را صرف مطالعه نحوه استفاده کارآمدتر از آن کردم، حتی دوره های پیشرفته را در آن تدریس کردم. در آن زمان برای من بدیهی به نظر می رسید که یکی از کارآمدترین روش ها برای کار با داده ها است. حتی اگر کار با یک زبان برنامه نویسی ممکن است قدرتمندتر باشد، اغلب اوقات بیش از حد زیاد بود و از تجزیه و تحلیل واقعی داده ها بسیار حذف می شد. R همان زبان برنامه نویسی است که آرزو می کردم 20 سال پیش یاد می گرفتم. شاید تا حدودی شهودی شما در نهایت زمان کمتری را صرف فکر کردن در مورد نحوه چیدمان یک قطعه کار نسبت به اکسل کنید و زمان بیشتری را صرف نگاه کردن به داده های خود به روش های جدیدی کنید که احتمالاً هرگز به آن فکر نکرده اید.
سرفصل ها و درس ها
R Tidyverse Reporting and Analytics برای کاربران اکسل
R Tidyverse Reporting and Analytics for Excel Users
چرا از R استفاده کنیم؟
Why Use R?
تکنیک های یادگیری تسریع شده برای استفاده از فایل های مثال
Accelerated Learning Techniques for Using The Example Files
در حال بارگیری داده ها
Loading Data
R پروژه ها و راهنماهای کاری
R Projects and Working Directories
ستون های محاسبه شده
Calculated Columns
Vlookups برای پیوستن
Vlookups to Joins
وارد کردن داده ها به اکسل با Power Query
Getting Data Into Excel with Power Query
کتابخانه های تجسم داده برای نصب برای این بخش
Data Visualisation Libraries to Install for this section
R Tidyverse Reporting and Analytics برای کاربران اکسل
R Tidyverse Reporting and Analytics for Excel Users
مقدمه
Intro
مقدمه
Intro
درباره مربی شما و چگونگی شکل گیری این دوره
About Your Instructor & How This Course Came to Be
درباره مربی شما و چگونگی شکل گیری این دوره
About Your Instructor & How This Course Came to Be
چرا از R استفاده کنیم؟
Why Use R?
چگونه از این دوره بیشترین بهره را ببرید
How to Get the Most out of this Course
چگونه از این دوره بیشترین بهره را ببرید
How to Get the Most out of this Course
تکنیک های یادگیری تسریع شده برای استفاده از فایل های مثال
Accelerated Learning Techniques for Using The Example Files
راه اندازی R
Setting up R
راه اندازی R
Setting up R
راه اندازی R Extra Points
Setting up R Extra Points
راه اندازی R Extra Points
Setting up R Extra Points
پایه ها
Foundations
پایه ها
Foundations
در حال بارگیری داده ها
Loading Data
R پروژه ها و راهنماهای کاری
R Projects and Working Directories
در حال بارگیری امتیازهای اضافی داده
Loading Data Extra Points
در حال بارگیری امتیازهای اضافی داده
Loading Data Extra Points
ستون های محاسبه شده
Calculated Columns
فیلتر کردن
Filtering
فیلتر کردن
Filtering
Pivoting با R برای علم داده در مقابل Pivoting با Excel
Pivoting with R for data science vs Pivoting with Excel
Pivoting با R برای علم داده در مقابل Pivoting با Excel
Pivoting with R for data science vs Pivoting with Excel
Vlookups برای پیوستن
Vlookups to Joins
وارد کردن داده ها به اکسل با Power Query
Getting Data Into Excel with Power Query
کتابخانه های تجسم داده برای نصب برای این بخش
Data Visualisation Libraries to Install for this section
تجسم داده ها
Data Visualisation
معرفی و تنظیم ویژگی های زیبایی شناختی GGPlot
GGPlot Intro and Setting Aesthetic Properties
GGPlot ایجاد نمودارهای متعدد با وجوه
GGPlot Creating Multiple Charts with Facets
توطئه
Plotly
هایچارتر
Highcharter
RMarkdown
RMarkdown
تابلوهای فلکس داشبورد
Flexdashboards
تجسم داده ها
Data Visualisation
گزینه های تجسم داده ها
Data Visualisation Options
گزینه های تجسم داده ها
Data Visualisation Options
معرفی و تنظیم ویژگی های زیبایی شناختی GGPlot
GGPlot Intro and Setting Aesthetic Properties
GGPlot Geoms (معروف به انواع نمودار)
GGPlot Geoms (aka Chart types)
GGPlot Geoms (معروف به انواع نمودار)
GGPlot Geoms (aka Chart types)
GGPlot لایه بندی نمودارها و متن های متعدد
GGPlot Layering Multiple Charts and Text
GGPlot لایه بندی نمودارها و متن های متعدد
GGPlot Layering Multiple Charts and Text
GGPlot ایجاد نمودارهای متعدد با وجوه
GGPlot Creating Multiple Charts with Facets
توطئه
Plotly
هایچارتر
Highcharter
جداول داده
Data Tables
جداول داده
Data Tables
RMarkdown
RMarkdown
تابلوهای فلکس داشبورد
Flexdashboards
بهترین تمرین، عیب یابی و اشکال زدایی
Best Practice, Troubleshooting and Debugging
رفع خطاها
Fixing Errors
بهترین تمرین، عیب یابی و اشکال زدایی
Best Practice, Troubleshooting and Debugging
رفع خطاها
Fixing Errors
سوالات متداول
FAQ
R در مقابل پایتون
R vs Python
تحلیل بازاریابی ایمیلی با R
Email Marketing Analysis with R
اسکریپت R در داشبورد
R Script into Dashboards
بارگیری سریعتر تابلوهای براق Flex R
Load R Shiny Flexdashboards Faster
1000 فایل CSV را در 3 ثانیه در Dataframe بارگیری کنید
Load 1000 CSV Files in 3 Seconds to Dataframe
انتخابگر ستون پویا
Dynamic Column Selector
سوالات متداول
FAQ
سوالات متداول معرفی
FAQ Intro
سوالات متداول معرفی
FAQ Intro
R در مقابل پایتون
R vs Python
پر کردن مقادیر از دست رفته
Fill Missing Values
پر کردن مقادیر از دست رفته
Fill Missing Values
مقادیر NA و عملیات ستون انبوه
NA Values and Bulk Column Operations
مقادیر NA و عملیات ستون انبوه
NA Values and Bulk Column Operations
تحلیل بازاریابی ایمیلی با R
Email Marketing Analysis with R
اسکریپت R در داشبورد
R Script into Dashboards
بارگیری سریعتر تابلوهای براق Flex R
Load R Shiny Flexdashboards Faster
1000 فایل CSV را در 3 ثانیه در Dataframe بارگیری کنید
Load 1000 CSV Files in 3 Seconds to Dataframe
ترکیب سریع فایل های اکسل
Combine Excel Files Fast
ترکیب سریع فایل های اکسل
Combine Excel Files Fast
R Shiny Flexdashboard داده صادرات
R Shiny Flexdashboard Export Data
R Shiny Flexdashboard داده صادرات
R Shiny Flexdashboard Export Data
فیلتر داشبورد پویا
Dynamic Dashboard Filters
فیلتر داشبورد پویا
Dynamic Dashboard Filters
انتخابگر ستون پویا
Dynamic Column Selector
آرشیو - کد میراث
Archive - Legacy Code
آرشیو - کد میراث
Archive - Legacy Code
چرخش
Pivoting
چرخش
Pivoting
سخنرانی پاداش: منابع بیشتر برای رسیدن سریعتر به اهداف خود
Bonus Lecture: More Resources to Reach Your Goals Faster
سخنرانی پاداش: منابع بیشتر برای رسیدن سریعتر به اهداف خود
Bonus Lecture: More Resources to Reach Your Goals Faster
سخنرانی پاداش: منابع بیشتر برای رسیدن سریعتر به اهداف خود
Bonus Lecture: More Resources to Reach Your Goals Faster
سخنرانی پاداش: منابع بیشتر برای رسیدن سریعتر به اهداف خود
Bonus Lecture: More Resources to Reach Your Goals Faster
نمایش نظرات