چالش های کد R: علم داده

مدرس Mark Niemann-Ross

انتشار 2024/08/12

مدت زمان 57m 44s

سطح مناسب همه

فایل تمرینی ندارد

آموزش R Code Challenges: Data Science

آیا می خواهید مهارت های مهندسی داده R خود را آزمایش کرده و توسعه دهید؟ به مربی مارک نیمن راس در این دوره چالش های کد بپیوندید زیرا او چالش های کوتاه و کوچکی را ارائه می دهد که می توانید برای تمرین برنامه نویسی R از آنها استفاده کنید. هر ویدیو کمتر از چهار دقیقه و مستقل است، بنابراین می‌توانید به هر ترتیبی ویدیوها را تماشا کنید. مارک راه حل های خود را برای هر مشکلی به اشتراک می گذارد، که اکثر آنها کمتر از 10 خط کد دارند. چه یک برنامه نویس جدید باشید که به دنبال تمرین هستید، یا یک توسعه دهنده با تجربه که می خواهد روی برخی چالش ها کار کند، این دوره کوتاه به شما فرصتی می دهد تا مهارت های خود را تقویت کنید.

Data Science R (Programming Language)

Introduction

Practice with R programming ()

CoderPad ()

1. Data Science Basics with R

Solution: Subsetting ()

Solution: Join three datasets ()

Solution: Palindrome ()

Solution: Password validator ()

2. Data Science Concepts with R

Solution: Fizz buzz ()

Solution: Create a random door code ()

Solution: Comparing stock price and interest rates ()

3. Think Like an R Programmer

Solution: Play rock, paper, scissors, lizard, spock ()

Solution: Dealing with unexpected data ()

Solution: Find the middle city ()

Conclusion

Next steps ()

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 چالش های کد R: علم داده

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 R Code Challenges: Data Science در 2 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 چالش های کد R: علم داده ، ایستگاه شماره 4 در مسیر یادگیری مهارت های خود را در R ارتقا دهید ، است.

مسیر یادگیری مهارت های خود را در R ارتقا دهید

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 چالش های کد R: علم داده ، ایستگاه شماره 4 در مسیر یادگیری شروع با R برای علم داده ، است.

مسیر یادگیری شروع با R برای علم داده