R را برای علم داده بیاموزید

این آموزش مقدمه ای برای مفهوم حوزه علوم داده و کاربرد آن با استفاده از زبان برنامه نویسی R است. وب پر از برنامه هایی است که توسط داده ها هدایت می شوند. تمام برنامه ها و وب سایت های تجارت الکترونیکی مبتنی بر داده ها به معنای کامل هستند. پایگاه داده ای در پشت یک قسمت جلوی وب و میان افزار وجود دارد که با تعدادی از پایگاه داده ها و خدمات داده دیگر صحبت می کند. اما صرف استفاده از داده ها چیزی نیست که شامل علم داده است. یک برنامه داده مقدار خود را از داده ها دریافت می کند و در فرآیند ارزش خود را برای خود ایجاد می کند. این بدان معنی است که علم داده باعث ایجاد محصولاتی می شود که مبتنی بر داده ها هستند.

عنوان اصلی : Learn R For Datascience

سرفصل های دوره :

01 مقدمه و تنظیم محیط:
001 مقدمه
002 نصب r
003 نصب R Studio
004 نصب بسته مرتب در RSTUDIO
02 وارد کردن داده ها به استودیوی R و R:
001 خواندن داده های CSV به r
002 صادر کردن داده ها از استودیوی R و R به یک پرونده CSV خارجی
03 داده های تمیز کردن:
001 مقدمه Tidyr
002 آنچه باعث می شود داده مرتب تر شود
003 پخش داده ها
004 جمع آوری داده ها
005 ستون های جداکننده
006 ستون های متحد
007 نحوه برخورد با مقادیر گمشده
008 یک مطالعه موردی در مورد پاکسازی داده ها
04 تحول داده با dplyr:
001 پیش نیازهای
002 مشاهدات فیلتر
003 تنظیم مشاهدات
004 انتخاب ستون ها
005 ایجاد ستون های جدید
006 خلاصه گروه بندی شده
007 جهش و فیلترهای گروه بندی شده
05 رسیدگی به داده های رابطه ای در R:
001 مقدمه
002 کلیدهای درک
003 جهش دهنده پیوست
004 INNER پیوستن
005 پیوست بیرونی
006 کلیدهای تکراری
007 تعریف ستون های کلیدی
008 فیلتر می پیوندد
009 عملیات تنظیم شده
06 تجسم داده ها در r:
001 درک مجموعه داده MPG
002 ایجاد یک ggplot
003 نگاشتهای زیبایی
004 توطئه های خود را
005 اشیاء هندسی در ggplot
006 تحولات آماری در ggplot
007 تنظیم موقعیت در ggplot
008 سیستم مختصات
07 با استفاده از Git و GitHub با R Studio:
001 راه اندازی Git در R Studio
002 ایجاد یک پروژه در GitHub
003 کلونینگ یک پروژه در استودیوی R از GitHub
004 مرتکب تغییرات شده و تغییرات را به GitHub فشار می دهد
005 تغییرات را از GitHub بکشید