تحلیل داده با R: مناسب برای دانشجویان و حرفهایها
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- نصب R و R Studio برای راهاندازی یکپارچه محیط کدنویسی
- تسلط به تکنیکهای تبدیل نوع داده و فرمتبندی برای نمایش یکپارچه دادهها
- استفاده از توابع dplyr برای انجام بهینه تسک های مدیریت داده
- پیادهسازی انواع مختلف عملیات join برای ادغام موثر مجموعهدادهها
- تجمیع دادهها و مهندسی ویژگیهای جدید برای تحلیل عمیق
- مدیریت دادههای تاریخ و زمان با استفاده از پکیج lubridate
- ایجاد مصورسازیهای قابل سفارشیسازی با ggplot2 برای انتقال موثر داده
- تکمیل یک پروژه نهایی: دادههای OpenAirBnB با استفاده از مفاهیم و مهارتهای آموخته شده در این دوره برای ایجاد مصورسازیهای موثر و انتقال یافتههای خود
پیش نیازهای دوره
- سیستمعاملها: نسخههای 64-bit مایکروسافت Windows 7 8.1 و 10 یا Mac
- نصب R و R Studio
- تجربه قبلی در R الزامی نیست، اما آشنایی با تحلیلهای پایه در Excel بسیار مطلوب است.
توضیحات دوره
علاقهمند به تبدیل شدن به یک تحلیلگر داده هستید؟ آیا میخواهید مهارتهای عملی کسب کنید و مسائل واقعی کسبوکار را حل کنید؟ پس این دوره برای شما عالی است! این دوره توسط یک تحلیلگر ارشد داده با 10 سال تجربه در بخشهای بیمه و مراقبتهای بهداشتی ایجاد شده است. این دوره شما را با دانش بنیادی مجهز میکند و به شما کمک میکند مفاهیم کلیدی بارگذاری داده، مدیریت داده، تجمیع داده و چگونگی استفاده از کتابخانهها/پکیجها را به روشی ساده بیاموزید.
مدرس شما را قدم به قدم به دنیای تحلیل داده هدایت خواهد کرد. با هر سخنرانی و تمرین آزمایشگاهی، درک خود را از این مفاهیم برای مقابله با مسائل واقعی داده به دست آورده و توسعه خواهید داد! این دوره عمدتاً با استفاده از R برای حل آزمایشگاهها و پروژههای نهایی طراحی شده است.
این دوره فوقالعاده مفید و هیجانانگیز خواهد بود. مدرس تمام تلاش خود را کرده است تا برنامه درسی دوره را در طبیعیترین جریان منطقی طراحی کند:
- ماژول 0 - مقدمهای بر R: راهاندازی محیط R و درک اصول اولیه پکیجها/کتابخانههای R
- ماژول 1 - بارگذاری و نوشتن داده: یادگیری چگونگی بارگذاری و نوشتن دادهها از فایلهای مسطح (مانند فرمت csv. یا Excel)
- ماژول 2 - انواع داده و فرمتبندی: تسلط بر انواع داده و یادگیری چگونگی تبدیل آنها برای عملیات صحیح
- ماژول 3 - مدیریت داده: پاکسازی و پیشپردازش دادهها، انجام مرتبسازی، ترتیبدهی و زیرمجموعهسازی رکوردها
- ماژول 4 - عملیات Join: یادگیری چگونگی انجام join با استفاده از پکیجهای R (مانند dplyr و sqldf)
- ماژول 5 - تجمیع داده: یادگیری چگونگی تجمیع دادهها با استفاده از آمار توصیفی و انجام مهندسی ویژگی
- ماژول 6 - هوش زمانی: یادگیری چگونگی محاسبه روزهای کاری و تحلیل ابعاد زمانی
- ماژول 7 - مصورسازی داده: یادگیری مبانی تحلیل داده اکتشافی (EDA) و مصورسازیهای تکمتغیره/دومتغیره
هر ماژول محتوای مستقلی دارد. از نظر فنی، میتوانید دوره را از ابتدا تا انتها بگذرانید یا مستقیماً به سراغ هر موضوع خاصی که مورد علاقه شماست بروید. با این حال، مدرس اکیداً به دانشجویان توصیه میکند که دوره را از ماژول 1 تا 7 به ترتیب بگذرانند تا چالش پروژه نهایی را تکمیل کنند!
این دوره مملو از مسائل واقعی داده/کسبوکار است که مدرس در طول فعالیت حرفهای خود به عنوان تحلیلگر ارشد داده حل کرده است. شما نهتنها مفاهیم، بلکه تجربیات عملی و کاربردی زیادی را از این دوره خواهید آموخت. همین امروز در این دوره شرکت کنید و اولین قدم را به سوی تسلط به هنر تحلیل داده با استفاده از R بردارید.
این دوره برای چه کسانی مناسب است؟
- این دوره برای افرادی طراحی شده است که هیچ تجربه قبلی با ابزارهایی مانند R یا Python ندارند.
- برای فارغالتحصیلان تازهکاری که به دنبال شغلی در زمینه تحلیل داده هستند. این دوره موارد کاربردی تحلیل داده در دنیای واقعی و سوالات متداول مصاحبههای شغلی را پوشش میدهد تا شما را آماده کند.
- برای افرادی که میخواهند شغل خود را تغییر داده و به یک تحلیلگر داده تبدیل شوند یا مهارتهای خود را برای انجام تحلیلهای پیچیدهتر فراتر از Excel spreadsheets ارتقا دهند.
تحلیل داده با R: مناسب برای دانشجویان و حرفهایها
-
درس: بخش A - مقدمه بر دوره 06:56
-
درس: بخش B - بررسی R و R Studio 03:24
-
درس: بخش C - نصب R و راهاندازی R Studio 01:58
-
درس: بخش D - مقدمهای بر پکیجهای R و نصب 04:51
-
نمایش: نمای کلی ساختار پوشههای دوره 03:37
-
نمایش: بخش A - چگونه R و R Studio را دانلود کنیم؟ 03:02
-
نمایش: بخش B - چگونه R را نصب کنیم؟ 02:10
-
نمایش: بخش C - چگونه R Studio را نصب کنیم؟ 01:50
-
نمایش: بخش D - ناوبری R و R Studio 04:08
-
درس: بخش A - خلاصهای از آبجکت ها و ساختارهای داده 05:33
-
درس: بخش B - تعریف مسیر و بارگذاری داده 07:54
-
درس: بخش C - نوشتن داده 04:03
-
خوش آمدید به نمای کلی آزمایشگاه 1 01:57
-
مسئله 1: نصب پکیجهای R 05:24
-
مسئله 2: تعریف مسیرهای پوشه و تنظیم دایرکتوریها 02:39
-
مسئله 3: بارگذاری داده به فضای کاری R 12:08
-
مسئله 4: نوشتن داده در فضای کاری R 08:51
-
مسئله اضافی: ثبت تاریخ نمایه از نام فایلها 11:22
-
درس: انواع داده و تبدیل نوع دادهها در R 05:09
-
درس: بررسی نامهای ستون و تغییر نام ستونها 02:50
-
درس: فرمتدهی تاریخ - سال، ماه و ... 04:37
-
درس: فرمتدهی کاراکتر - افزودن صفرهای پیشرو 03:22
-
خوش آمدید به نمای کلی آزمایشگاه 2 02:14
-
مسئله 1: بررسی انواع دادهها 07:23
-
مسئله 2: تغییر نام ستونها 02:11
-
مسئله 3: فرمتدهی تاریخ 05:38
-
مسئله 4: افزودن صفرهای پیشرو 06:31
-
درس: پاکسازی داده (حذف ستونها، حذف تکراریها) 04:18
-
درس: پاکسازی داده (تغییر کد و جایگزینی مقادیر) 03:03
-
درس: مرتبسازی و ترتیبدهی داده 04:49
-
درس: زیرمجموعه داده (ستونها، لیست، شرایط) 04:29
-
خوش آمدید به نمای کلی آزمایشگاه 3 01:22
-
مسئله 1: پاکسازی داده 05:34
-
مسئله 2: تغییر کد داده 02:56
-
مسئله 3: جایگزینی داده 05:10
-
مسئله 4: ترتیب داده 05:44
-
مسئله 5: مرتبسازی داده 04:55
-
مسئله 6: زیرمجموعه داده 08:26
-
درس: join چیست و انواع join 05:21
-
درس: انجام join با dplyr 05:02
-
درس: انجام join با sqldf 06:38
-
درس: مشکل join پیشرفته - زمانی 04:56
-
درس: مشکل join پیشرفته - زیرپرسش با Max() 07:22
-
خوش آمدید به نمای کلی آزمایشگاه 4 03:02
-
مسئله 1: انجام join با dplyr 15:15
-
مسئله 2: انجام join با sqldf 08:12
-
مسئله 3: انجام join روی چندین جدول 08:35
-
مسئله 4: join پیشرفته زمانی 15:31
-
مسئله 5: زیرپرسش پیشرفته ()Max 12:42
-
مسئله اضافی: شناسایی تغییرات در اطلاعات حساب 15:41
-
درس: خلاصهسازی داده ()count() ،sum و 06:55
-
درس: فیلتر کردن و برش داده 06:22
-
درس: تبدیل فرمت یک جدول خلاصه 04:14
-
درس: مهندسی ویژگی با استفاده از ()mutate 06:47
-
خوش آمدید به نمای کلی آزمایشگاه 5 02:36
-
مسئله 1: خلاصهسازی داده با dplyr با استفاده از ()summarize 11:00
-
مسئله 2: فیلتر کردن داده با dplyr 05:17
-
مسئله 2: برش داده با dplyr 03:39
-
مسئله 3: مرتبسازی داده با dplyr 01:50
-
مسئله 4: تبدیل فرمت یک جدول خلاصه 07:18
-
مسئله 5: مهندسی ویژگی 09:52
-
درس: محاسبه ویژگیهای زمانی با استفاده از دستکاری تاریخ 04:47
-
درس: محاسبه تحلیل دنباله رویدادها 03:22
-
درس: محاسبه تعداد روزهای کاری 09:25
-
درس: محاسبه KPIها با فرکانسهای متفاوت 06:58
-
خوش آمدید به نمای کلی آزمایشگاه 6 01:53
-
مسئله 1: دستکاری تاریخ - بعد زمان 10:56
-
مسئله 1: دستکاری تاریخ - مدتها 04:01
-
مسئله 2: محاسبه تحلیل دنباله رویدادها 20:13
-
مسئله 3: محاسبه روزهای کاری با استفاده از پکیج bizdays 09:20
-
مسئله 4: محاسبه یک معیار در نمای روزانه 08:14
-
مسئله اضافی: محاسبه یک معیار در نمای ماهانه 06:27
-
درس: مقدمهای بر تحلیل داده اکتشافی 05:00
-
درس: تکمتغیره: نمودار میلهای 03:32
-
درس: تکمتغیره: نمودار دایرهای 03:49
-
درس: تکمتغیره: نمودار خطی 02:46
-
درس: تکمتغیره: هیستوگرام 01:06
-
درس: تکمتغیره: چگالی 01:14
-
درس: دو متغیره: نمودار جعبهای 02:30
-
درس: دو متغیره: نمودار پراکنده 03:33
-
درس: دو متغیره: ماتریس همبستگی 02:55
-
درس: دو متغیره: جدول متقاطع 03:16
-
خوش آمدید به نمای کلی آزمایشگاه 7 02:26
-
مسئله 1: دستهای تکمتغیره: نمودار میلهای 15:36
-
مسئله 1: دستهای تکمتغیره: نمودار دایرهای 07:06
-
مسئله 2: عددی تکمتغیره: نمودار خطی 06:58
-
مسئله 2: عددی تکمتغیره: هیستوگرام و نمودار چگالی 03:36
-
مسئله 3: نمودارهای دستهای دو متغیره: جدولی متقاطع 07:33
-
مسئله 4: نمودارهای عددی دو متغیره: نمودار جعبهای 03:59
-
مسئله 4: نمودارهای عددی دو متغیره: نمودار پراکنده 07:19
-
مسئله 4: نمودارهای عددی دو متغیره: ماتریس همبستگی 08:43
-
پروژه نهایی 1 - OpenAirBnB 05:50
-
پروژه نهایی tone 1 - راهحل بخش A 29:36
-
پروژه نهایی 1 - راهحل بخش B 35:03
-
پروژه نهایی 1 - راهحل بخش C 40:02
-
پروژه نهایی 1 - راهحل بخش D 23:23
-
تبریک! 02:59
مشخصات آموزش
تحلیل داده با R: مناسب برای دانشجویان و حرفهایها
- تاریخ به روز رسانی: 1404/09/07
- سطح دوره:مقدماتی
- تعداد درس:97
- مدت زمان :11:16:58
- حجم :6.12GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy