آموزش تجزیه و تحلیل داده های اکتشافی با R

Exploratory Data Analysis with R

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: بیاموزید که چگونه تجزیه و تحلیل داده های اکتشافی را با R انجام دهید تا کارهای روزمره توسعه دهنده را به اتمام برسانید. R یک زبان برنامه نویسی منبع باز محبوب برای تجزیه و تحلیل داده ها است. محیط برنامه نویسی تعاملی و قابلیت های تجسم داده ، R را به ابزاری ایده آل برای تجزیه و تحلیل داده های اکتشافی تبدیل کرده است. این دوره مقدمه ای را ارائه می دهد

سرفصل ها و درس ها

مقدمه ای بر R Introduction to R

  • مقدمه Introduction

  • معرفی R Intro to R

  • سلام نسخه ی نمایشی جهانی Hello World Demo

  • RStudio RStudio

  • نسخه ی نمایشی مبانی زبان Language Basics Demo

  • نسخه ی نمایشی ساختارهای داده Data Structures Demo

  • نسخه نمایشی فریم های داده Data Frames Demo

  • سایر ویژگی های زبان نسخه ی نمایشی Other Language Features Demo

  • خلاصه Summary

تغییر شکل و تمیز کردن داده ها Transforming and Cleaning Data

  • بررسی اجمالی Overview

  • مقدمه Introduction

  • نصب نسخه ی نمایشی Demo Setup

  • در حال بارگیری داده ها Loading Data

  • پاک کردن داده ها Cleaning Data

  • صادر کردن داده ها Exporting Data

  • نتیجه گیری آزمایشی Demo Conclusion

  • خلاصه Summary

محاسبه آمار توصیفی Calculating Descriptive Statistics

  • بررسی اجمالی Overview

  • مقدمه Introduction

  • تحلیل تک متغیره Univariate Analysis

  • تجزیه و تحلیل دو متغیره Bivariate Analysis

  • راهنمایی Guidance

  • نصب نسخه ی نمایشی Demo Setup

  • نسخه ی نمایشی تحلیل تک متغیره Univariate Analysis Demo

  • نسخه ی نمایشی تحلیل دو متغیره Bivariate Analysis Demo

  • نتیجه گیری آزمایشی Demo Conclusion

  • خلاصه Summary

تجسم داده ها Visualizing Data

  • بررسی اجمالی Overview

  • مقدمه Introduction

  • تحلیل تک متغیره Univariate Analysis

  • تجزیه و تحلیل دو متغیره Bivariate Analysis

  • راهنمایی Guidance

  • نصب نسخه ی نمایشی Demo Setup

  • نسخه ی نمایشی تحلیل تک متغیره Univariate Analysis Demo

  • نسخه ی نمایشی تحلیل دو متغیره Bivariate Analysis Demo

  • نتیجه گیری آزمایشی Demo Conclusion

  • خلاصه Summary

فراتر از تحقیق و تجزیه و تحلیل داده های اکتشافی Moving Beyond R and Exploratory Data Analysis

  • بررسی اجمالی Overview

  • فراتر از تجزیه و تحلیل داده های اکتشافی Beyond Exploratory Data Analysis

  • نسخه ی نمایشی تحلیل رگرسیون خطی Linear Regression Analysis Demo

  • نسخه ی نمایشی تجزیه و تحلیل خوشه Cluster Analysis Demo

  • گزینه های جایگزین R Alternatives to R

  • خلاصه Summary

نمایش نظرات

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.

آموزش تجزیه و تحلیل داده های اکتشافی با R
جزییات دوره
2h 30m
43
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
333
4.7 از 5
دارد
دارد
دارد
Matthew Renze
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Matthew Renze Matthew Renze

مشاور علوم داده

متیو رنز مشاور علوم داده، نویسنده و سخنران عمومی است. در طول دو دهه گذشته، او به بیش از 400000 توسعه‌دهنده نرم‌افزار و متخصصان فناوری اطلاعات آموزش داده است. او بیش از 100 سخنرانی، سخنرانی و کارگاه آموزشی را در کنفرانس‌هایی در تمام قاره‌های جهان (از جمله قطب جنوب) ارائه کرده است. مشتریان او از شرکت های Fortune 500 گرفته تا استارتاپ های کوچک فناوری در سراسر جهان هستند.

متیو یک در هوش مصنوعی، یک ASPInsider و نویسنده برای ، Udemy و . او همچنین یک مشارکت کننده نرم افزار منبع باز است. تمرکز او شامل هوش مصنوعی، علم داده و یادگیری ماشین است.