راهنمای کامل برای R: درگیری ، تجسم و داده های مدل سازی

مدرس Barton Poulson

انتشار 2024/03/15

مدت زمان 8h 15m

سطح مناسب همه

فایل تمرینی دارد

آموزش Complete Guide to R: Wrangling, Visualizing, and Modeling Data

تلاش برای مکان یابی معنا و جهت در داده های بزرگ دشوار است. R می تواند به شما کمک کند راه خود را پیدا کنید. R یک زبان برنامه نویسی آماری برای تجزیه و تحلیل و تجسم روابط بین مقادیر زیادی داده است. این دوره با متخصص تجزیه و تحلیل داده ها، بارتون پولسون، مقدمه ای کامل با R، همراه با دستورالعمل های دقیق برای نصب و پیمایش R و RStudio و مثال های عملی، از گرافیک اکتشافی گرفته تا شبکه های عصبی، ارائه می دهد. بارتون نشان می دهد که چگونه می توان بسته های R و R محبوب را راه اندازی کرد و شروع به وارد کردن، تمیز کردن و تبدیل داده ها برای تجزیه و تحلیل کرد. او همچنین نشان می دهد که چگونه می توان تجسم هایی مانند نمودارهای میله ای، هیستوگرام ها و نمودارهای پراکنده ایجاد کرد و داده های طبقه بندی، کیفی و پرت را تغییر داد تا بهترین پاسخگویی به سؤالات تحقیق شما و الزامات الگوریتم های شما باشد.

Data Modeling Data Visualization Data Wrangling R (Programming Language)

Introduction

Make your data make sense ()

Using the exercise files ()

1. What Is R?

R in context ()

Data science with R: A case study ()

2. Getting Started

Installing R ()

Environments for R ()

Installing RStudio ()

Navigating the RStudio environment ()

Entering data ()

Data types and structures ()

Comments and headers ()

Packages for R ()

The tidyverse ()

Piping commands with %>% ()

3. Importing Data

R's built-in datasets ()

Exploring sample datasets with pacman ()

Importing data from a spreadsheet ()

Importing XML data ()

Importing JSON data ()

Saving data in native R formats ()

4. Visualizing Data with ggplot2

Introduction to ggplot2 ()

Using colors in R ()

Using color palettes ()

Creating bar charts ()

Creating histograms ()

Creating box plots ()

Creating scatterplots ()

Creating multiple graphs ()

Creating cluster charts ()

5. Wrangling Data

Creating tidy data ()

Using tibbles ()

Using data.table ()

Converting data from wide to tall and from tall to wide ()

Converting data from tables to rows ()

Working with dates and times ()

Working with list data ()

Working with XML data ()

Working with categorical variables ()

Filtering cases and subgroups ()

6. Recoding Data

Recoding categorical data ()

Recoding quantitative data ()

Transforming outliers ()

Creating scale scores by counting ()

Creating scale scores by averaging ()

7. An R for Data Science Case Study

Data science with R: A case study ()

8. Exploring Data

Computing frequencies ()

Computing descriptive statistics ()

Computing correlations ()

Creating contingency tables ()

Conducting a principal component analysis ()

Conducting an item analysis ()

Conducting a confirmatory factor analysis ()

9. Analyzing Data

Comparing proportions ()

Comparing one mean to a population: One-sample t-test ()

Comparing paired means: Paired samples t-test ()

Comparing two means: Independent samples t-test ()

Comparing multiple means: One-factor analysis of variance ()

Comparing means with multiple categorical predictors: Factorial analysis of variance ()

10. Predicting Outcomes

Predicting outcomes with linear regression ()

Predicting outcomes with lasso regression ()

Predicting outcomes with quantile regression ()

Predicting outcomes with logistic regression ()

Predicting outcomes with Poisson or log-linear regression ()

Assessing predictions with blocked-entry models ()

11. Clustering and Classifying Cases

Grouping cases with hierarchical clustering ()

Grouping cases with k-means clustering ()

Classifying cases with k-nearest neighbors ()

Classifying cases with decision tree analysis ()

Creating ensemble models with random forest classification ()

Conclusion

Next steps ()

Ex_Files_Complete_Guide_to_R.zip (6.2 MB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش راهنمای کامل برای R: درگیری ، تجسم و داده های مدل سازی

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Complete Guide to R: Wrangling, Visualizing, and Modeling Data در 3 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

این مسیر یادگیری جامع شما را از مبانی R به برنامه های پیشرفته علم داده می برد. شما با روش‌های اصلی بحث، تجسم و مدل‌سازی داده‌ها شروع می‌کنید. سپس مهارت‌های خود را در پروژه‌های دنیای واقعی، چالش‌های کدنویسی به کار می‌گیرید و در اکوسیستم قدرتمند Tidyverse فرو می‌روید. این مسیر برای دانشمندان مشتاق داده، تحلیلگران و علاقه مندان به R که به دنبال تسلط بر زبان و قابلیت های علم داده آن هستند، ایده آل است.

آموزش راهنمای کامل برای R: درگیری ، تجسم و داده های مدل سازی ، ایستگاه شماره 1 در مسیر یادگیری مهارت های خود را در R ارتقا دهید ، است.

مسیر یادگیری مهارت های خود را در R ارتقا دهید

تحلیلگران داده ها اطلاعات را با استفاده از ابزارهای تجزیه و تحلیل داده ها بررسی می کنند و به تیم های خود در توسعه بینش و استراتژی های تجاری کمک می کنند. شما به مهارت هایی در ریاضیات، آمار، ارتباطات و کار با ابزارهای طراحی شده برای تجزیه و تحلیل داده ها و تجسم داده ها نیاز دارید. این حرفه پر تقاضا را کاوش کنید.

آموزش راهنمای کامل برای R: درگیری ، تجسم و داده های مدل سازی ، ایستگاه شماره 12 در مسیر یادگیری یک تحلیلگر داده شوید ، است.

مسیر یادگیری یک تحلیلگر داده شوید

یکی از پرکاربردترین زبان های علم داده را یاد بگیرید: R! این مسیر یادگیری پایه ای قوی از مهارت ها و دانش را فراهم می کند که بر اساس آن می توانید رزومه کدنویسی خود را بسازید.

آموزش راهنمای کامل برای R: درگیری ، تجسم و داده های مدل سازی ، ایستگاه شماره 1 در مسیر یادگیری شروع با R برای علم داده ، است.