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.
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

  • معرفی نوت بوک Jupyter Jupyter Notebook Introduction

  • 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

نمایش نظرات

نظری ارسال نشده است.

آموزش 2023 R 4.0 Programming for Data Science || مبتدی تا حرفه ای
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
14.5 hours
126
Udemy (یودمی) udemy-small
12 شهریور 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
10,851
4.8 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Laxmi Kant | KGP Talkie Laxmi Kant | KGP Talkie

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.

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.