لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش 2023 R 4.0 Programming for Data Science || مبتدی تا حرفه ای
2023 R 4.0 Programming for Data Science || Beginners to Pro
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
جدیدترین R 4 را با R-Studio و Jupyter بیاموزید. DataFrame، Vectors، Matrix، DateTime، GGplot2، Tidyverse، Plotly و غیره. آموزش نوشتن برنامه در R 4.0 آموزش اصول برنامه نویسی R نحوه استفاده از R-Studio نحوه تجزیه و تحلیل داده ها نحوه ترسیم نمودارهای زیبا تمرین واقعی برای تجزیه و تحلیل داده ها استفاده برای برنامه نویسی یادگیری ماشین کد بنویسید برای تحلیل رگرسیون خطی و رگرسیون لجستیک تجسم داده ها بر روی مجموعه داده واقعی | Covid-19، قیمت مسکن بوستون و مجموعه داده تایتانیک آموزش نمودار برای تجزیه و تحلیل دادههای Covid-19 نمودار پیشرفته در رگرسیون خطی R در رگرسیون غیرخطی و چند جملهای R رگرسیون خطی ساده چندگانه در R پیشبینی قیمت مسکن بوستون پیشبینی میشود دانشمند داده یا تحلیلگر داده بدون نیاز به پیش نیاز
اولین قدم خود را برای تبدیل شدن به یک متخصص علوم داده با دوره جامع برنامه نویسی R ما بردارید. این دوره برای مبتدیان با تجربه کم یا بدون تجربه برنامه نویسی و همچنین توسعه دهندگان با تجربه R طراحی شده است که به دنبال گسترش مجموعه مهارت های خود هستند.
شما با اصول برنامه نویسی R شروع می کنید و به تکنیک های پیشرفته مورد استفاده در علم داده می پردازید. در طول مسیر، تجربه عملی با کتابخانه های R محبوب مانند dplyr، ggplot2 و tidyr به دست خواهید آورد.
با نحوه وارد کردن، پاکسازی و دستکاری داده ها، ایجاد تجسم و مدل های آماری برای به دست آوردن بینش و پیش بینی آشنا خواهید شد. همچنین تکنیکهای جدال دادهها و نحوه استفاده از R برای تجسم دادهها را خواهید آموخت.
در پایان دوره، درک کاملی از برنامه نویسی R خواهید داشت و می توانید مهارت های جدید خود را در طیف گسترده ای از پروژه های علم داده به کار ببرید. همچنین نحوه استفاده از R در نوت بوک Jupyter را یاد خواهید گرفت تا بتوانید به راحتی کار خود را به اشتراک بگذارید و با دیگران همکاری کنید.
بنابراین، اگر آماده هستید اولین قدم خود را برای تبدیل شدن به یک متخصص علوم داده بردارید، این دوره برای شما مناسب است! با رویکرد عملی و آزمونهای تعاملی ما، میتوانید فوراً مهارتهای جدید خود را به کار ببرید.
در این دوره، شما یاد می گیرید:
نحوه نصب R-Packages
نحوه کار با انواع داده های R
R DataFrame، ماتریس ها، بردارها و غیره چیست؟
نحوه کار با DataFrames
نحوه انجام عملیات پیوستن و ادغام در DataFrames
نحوه ترسیم داده ها با استفاده از ggplot2 در R 4.0
تجزیه و تحلیل مجموعه دادههای واقعی Covid-19
این دوره چگونه به شما کمک خواهد کرد؟
این دوره به شما پایه بسیار محکمی در یادگیری ماشین می دهد. شما می توانید از مفاهیم این دوره در سایر مدل های یادگیری ماشینی استفاده کنید. اگر یک مدیر کسب و کار یا یک مدیر اجرایی یا دانشجویی هستید که میخواهید در یادگیری ماشینی بیاموزید و برتری پیدا کنید، این دوره آموزشی عالی برای شماست.
چه چیزی ما را واجد شرایط آموزش به شما می کند؟
من دکتری هستم. در یادگیری ماشینی و طی سالها از طریق کلاسهایم در کانال یوتیوب IIT و KGP Talkie به دهها هزار دانشآموز آموزش دادم. تعداد کمی از دوره های من بخشی از مجموعه 5000 دوره برتر Udemy هستند و برای Udemy Business سرپرستی می شوند. قول می دهم پشیمان نخواهید شد.
سرفصل ها و درس ها
معرفی
Introduction
R و R-Studio را برای Data Science نصب کنید
Install R and R-Studio for Data Science
دانلود فایل کد || این را از دست ندهید!!!
Download Code Files || Do Not Skip This!!!
معرفی R-Studio
R-Studio Introduction
اصول برنامه نویسی R
R Programming Fundamentals
تکالیف متغیر
Variable Assignments
قوانین نام متغیرها در R
Rules of Variable Names in R
عملگرهای حسابی
Arithmetic Operators
اپراتورهای رابطه ای
Relational Operators
عملگرهای منطقی
Logical Operators
اپراتورهای واگذاری
Assignment Operators
اپراتورهای متفرقه
Miscellaneous Operators
تابع در R
Function in R
انواع داده در R
Data Types in R
انتساب رشته ها
Strings Assignment
تابع paste() برای دستکاری رشته
paste() Function for String Manipulation
تابع format() برای قالب بندی داده های عددی
format() Function for Numeric Data Formatting
کولون (:) عملگر برای نسل برداری
Colon (:) Operator for Vector Generation
استفاده از عملگر [] و تابع c() برای دسترسی به عناصر برداری
Using [] Operator and c() Function to Access Vector Elements
دستکاری برداری
Vector Manipulation
ایجاد فهرست
List Creation
فهرست نامگذاری شده
Named List
دستکاری لیست و ادغام
List Manipulation and Merging
فهرست به بردار و بردار به فهرست
List to Vectors and Vectors to List
مقدمه ای بر ماتریکس
Introduction to Matrix
عملیات محاسباتی روی ماتریس
Arithmetic Operations on Matrix
آرایه ها مقدمه
Arrays Introductions
نامگذاری آرایه ها و دسترسی به مقادیر
Arrays Naming and Accessing the Values
عوامل در R
Factors in R
بیانیه های If-Else و If-Else-If
If If-Else and If-Else-If Statements
حلقه تکرار() و while().
repeat() and while() Loops
برای () حلقه
for() Loop
بیانیه بعدی و بیانیه شکست
next Statement and break Statement
مبانی DataFrames در برنامه نویسی R
Fundamentals of DataFrames in R Programming
ایجاد DataFrame در R
Create DataFrame in R
جزئیات DataFrame را دریافت کنید
Get the DataFrame Details
کار با اپراتور [، [[ و $
Working with [, [[ and $ Operator
دسترسی به DataFrames مانند ماتریس
Access DataFrames Like Matrix
یک DataFrame را تغییر دهید
Modify a DataFrame
بارگیری یک DataFrame از فایل CSV
Loading a DataFrame from .CSV File
DataFrame را از فایل Excel .xlsx بارگیری کنید
Load DataFrame from Excel .xlsx File
بارگیری یک DataFrame از فایل XML
Loading a DataFrame from .XML File
بارگیری یک DataFrame از فایل json
Loading a DataFrame from .json File
پیوند ردیف || rbind() و bind_rows()
Bind Rows || rbind() and bind_rows()
اتصال ستون ها || cbind() و bind_cols()
Bind Columns || cbind() and bind_cols()
انتخاب چارچوب داده و نمایه سازی
Data Frame Selection and Indexing
انتخاب شرطی DataFrame با زیرمجموعه()
Conditional DataFrame Selection with subset()
کار با DateTime در DataFrame
Working with DateTime in DataFrame
صادر کردن DataFrame در فایل CSV
Export DataFrame in .CSV File
مرتب سازی چارچوب داده ها
Data Frame Sorting
Groupby در DataFrame در R
Groupby on DataFrame in R
Data Frame Merge and Join || پیوستن داخلی
Data Frame Merge and Join || Inner Join
ادغام چپ، راست و بیرونی (پیوستن) DataFrame در R
Left, Right, and Outer Merge (Join) of DataFrame in R
معرفی نوت بوک Jupyter برای برنامه نویسی R
Jupyter Notebook Introduction for R Programming
نصب آناکوندا برای ویندوز 10
Anaconda Installation for Windows 10
نصب آناکوندا برای لینوکس
Anaconda Installation for Linux
نصب R 4.x در آناکوندا با نوت بوک Jupyter
R 4.x Installation in Anaconda with Jupyter Notebook
میانبرهای نوت بوک Jupyter قسمت 1
Jupyter Notebook Shortcuts Part 1
میانبرهای نوت بوک Jupyter قسمت 2
Jupyter Notebook Shortcuts Part 2
میانبرهای نوت بوک Jupyter قسمت 3
Jupyter Notebook Shortcuts Part 3
میانبرهای نوت بوک Jupyter قسمت 4
Jupyter Notebook Shortcuts Part 4
تمرین کدنویسی R با نوت بوک Jupyter در مقابل R-Studio
R Coding Practice with Jupyter Notebook vs R-Studio
اصول تجسم داده با GGPlot2
Fundamentals of Data Visualization with GGPlot2
مقدمه ای بر GGPlot2
Introduction to GGPlot2
نصب و بارگیری بسته های R
R Packages Installation and Loading
باید خواند شود
Must Read
بارگیری مجموعه داده های کووید-19
Covid-19 Dataset Loading
توطئه بار - 10 کشور برتر
Bar Plot - Top 10 Worst Hit Countries
عنوان، زیرنویس و عنوان را در GGPlot اضافه کنید
Add Title, Subtitle and Caption in GGPlot
عنوان و سبک عنوان را تغییر دهید - اندازه قلم، رنگ و چهره
Change Title and Caption Style- Font Size, Color and Face
تغییر موقعیت متن و افزایش اندازه شکل
Change Text Position and Increase Figure Size
نمودار پراکندگی (نقطه نقطه) برای مجموعه داده Covid-19
Scatter Plot (Point Plot) for Covid-19 Dataset
طرح خطی برای داده های Covid-19 || تایید شده، بهبود یافته و تجزیه و تحلیل مرگ و میر
Line Plot for Covid-19 Data || Confirmed, Recovered and Deaths Analysis
بارگیری مجموعه داده قیمت مسکن بوستون برای تجسم
Loading the Boston Housing Price Dataset for Visualization
طرح پراکنده برای داده های مسکن بوستون
Scatter Plot for Boston Housing Data
طرح جفت - طرح ماتریس پراکندگی برای مجموعه داده مسکن بوستون
Pair Plot - Scatter Matrix Plot for Boston Housing Dataset
مجموعه داده تایتانیک را برای تجسم بارگیری کنید
Load Titanic Dataset for Visualization
پاکسازی داده ها و طرح نوار
Data Cleaning and Bar Plot
طرح پراکندگی برای مجموعه داده تایتانیک
Scatter Plot for Titanic Dataset
نمودار هیستوگرام
Histogram Plot
هیستوگرام انباشته شده
Stacked Histogram
طرح تراکم
Density Plot
طرح جعبه
Box Plot
طرح ویولن
Violin Plot
پیش پردازش و تجزیه و تحلیل داده ها با tidyverse و dplyr
Data Preprocessing and Analysis with tidyverse and dplyr
افتتاحیه نوت بوک Jupyter
Jupyter Notebook Opening
شروع به کار با tidyverse و dplyr
Getting Started with tidyverse and dplyr
باید خواند شود
Must Read
select() - ستون های یک Dataframe را انتخاب کنید
select() - Select Columns of a Dataframe
filter() || زیر مجموعه ردیف ها را استخراج کنید
filter() || Extract subset of Rows
arrange() - مرتب سازی DataFrame
arrange() - DataFrame Sorting
rename() || تغییر نام ستون های DataFrame
rename() || Renaming DataFrame Columns
mutate() || محاسبه تبدیل متغیرها
mutate() || Compute Transformations of Variables
group_by() || گروه DataFrame بر اساس ستون
group_by() || Group DataFrame Column-wise
%>% || اپراتور خط لوله
%>% || Pipeline Operator
distinct() || ردیف های منحصر به فرد را دریافت کنید
distinct() || Get the Unique Rows
count() tally() add_count() add_tally() || مقادیر منحصر به فرد را در DataFrame بشمارید
count() tally() add_count() add_tally() || Count the Unique Values in DataFrame
rename_with() || تغییر نام ستون ها با استفاده از Function
rename_with() || Rename Columns by using Function
summarise() و summarize() || خلاصه ای از ستون ها را در یک DataFrame ایجاد کنید
summarise() and summarize() || Create Summary of Columns in a DataFrame
summarise_at()، summarise_if()، و summarise_all() || خلاصه خودکار ستون ها
summarise_at(), summarise_if(), and summarise_all() || Auto Summary of Columns
slice() و slice_head() || DataFrame را به صورت ردیفی برش دهید
slice() and slice_head() || Slice DataFrame Row-wise
بین() || میانبر x>= چپ و x <= راست
between() || Shortcut for x >= left and x <= right
cumall()، cumany() و cummean() || توابع منطقی تجمعی
cumall(), cumany(), and cummean() || Cumulative Logical Functions
توطئه | تجزیه و تحلیل داده های Covid-19
Plotly | Covid-19 Data Analysis
Plotly مقدمه
Plotly Introduction
مجموعه داده Covid-19 را بارگیری کنید
Load Covid-19 Dataset
خط خط () - موارد کرونا در روز
Line Plot() - Daywise Corona Cases
طرح های خط سبک
Style Line Plots
استایلینگ نشانگر در R
Marker Styling in R
نمودار میله ای - 10 کشور برتر با بدترین آمار
Bar Chart - Top10 Worst Hit Countries
نمودار میله ای با برچسب های مستقیم
Bar Chart with Direct Labels
سفارشی کردن رنگ نوارهای فردی
Customize Individual Bar Colors
subplots() - تجزیه و تحلیل موارد کامل برای ایالات متحده آمریکا
subplots() - Complete Cases Analysis for USA
تجزیه و تحلیل موردی روزانه با Subplot()
Daywise Case Analysis with Subplot()
طرح پراکندگی برای مرگ و میر در مقابل موارد تایید شده
Scatter Plot for Deaths vs Confirmed Cases
نمودار دایره ای
Pie Chart
نمودار دونات
Donut Chart
رگرسیون خطی و تجزیه و تحلیل داده ها در مجموعه داده مسکن بوستون
Linear Regression and Data Analysis on Boston Housing Dataset
یادگیری ماشین چیست
What is Machine Learning
رگرسیون خطی چیست؟
What is Linear Regression
مدل رگرسیون خطی چگونه کار می کند
How Linear Regression Model Works
جایی که می توانید از مدل رگرسیون استفاده کنید
Where You Can Use Regression Model
انواع رگرسیون خطی
Types of Linear Regression
تجزیه و تحلیل همبستگی متغیرها
Variables Correlation Analysis
تجزیه و تحلیل جرم در بوستون
Crime Analysis in Boston
10 صدک بالا تجزیه و تحلیل منطقه جرم و جنایت
Top 10 percentile Crim Area Analysis
بخشی از جمعیت با تحلیل وضعیت پایین تر
Portion of Population with Lower Status Analysis
بخش 10 درصدی از جمعیت با تجزیه و تحلیل وضعیت پایین تر
Top 10 percent Portion of Population with Lower Status Analysis
ساخت و آموزش مدل رگرسیون خطی ساده
Build and Train Simple Linear Regression Model
فرضیه صفر و جایگزین - p-Value و t-Value توضیح داده شده است
Null and Alternate Hypothesis - p-Value and t-Value Explained
R-Squared و Adjusted R-Squared
R-Squared and Adjusted R-Squared
مدل رگرسیون چند جمله ای
Polynomial Regression Model
رگرسیون خطی ساده متغیر چندگانه
Multiple Variable Simple Linear Regression
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.
دانشمند اصلی داده در mBreath و KGPTalkie من یک دانشمند اصلی داده در SleepDoc و دکترای تخصصی هستم. در علوم داده از موسسه فناوری هند (IIT). من همچنین یک شرکت با نام mBreath Technologies را تاسیس کردم. من بیش از 8 سال تجربه در علوم داده ، مدیریت تیم ، توسعه کسب و کار و مشخصات مشتری دارم. من با استارتاپ ها و MNC کار کرده ام. من همچنین چند سال در IIT برنامه نویسی تدریس کرده ام و بعداً یک کانال YouTube با KGP Talkie با مشترکان 20K + راه اندازی کردم. من ارتباط خوبی با صنعت و دانشگاه دارم.
نمایش نظرات