تحلیل داده با استفاده از برنامهنویسی R
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- داده و انواع آن چیست چیست؟
- مروری بر زبان برنامهنویسی R
- نصب R و Rstudio در محیط اوبونتو
- سینتکس اولیه و ساختارهای دادهای
- عملگرها، دستورات کنترلی و حلقهها در R
- کار با رشتهها و عملگرهای برداری در R
- تابعهای داخلی و تعریف شده توسط کاربر در R
- بردارسازی در R
- ساختارهای دادهای، دستکاری داده، بازآرایی داده و مصورسازی داده
- مصورسازی داده با استفاده از base R ،ggplot2 و سایر کتابخانههای مصورسازی
- خواندن، ایمپورت کردن و مدیریت داده گمشده از منابع مختلف (CSV ،Excel، پایگاه داده)
- مطالعات موردی مختلف و پروژههای عملی
توضیحات دوره
قابلیتهای داده را با دوره جامع «تحلیل داده با استفاده از برنامهنویسی R» کشف کنید. در این تجربه یادگیری تخصصی، شرکتکنندگان به دنیای داده وارد میشوند و زبان برنامهنویسی R را برای استخراج بینشهای ارزشمند از مجموعه داده پیچیده فرا میگیرند. فرقی نمیکند حرفهای باتجربه در داده باشید یا تازه وارد این حوزه؛ این دوره اصول محکم و تکنیکهای پیشرفتهای را ارائه میدهد تا مهارتهای تحلیلی شما را ارتقا دهد.
اهداف کلیدی یادگیری:
اصول برنامهنویسی R:
درک عمیقی از زبان R به دست آورید که شامل سینتکس، ساختارهای دادهای و توابع ضروری میشود.
ایمپورت کردن و پاکسازی داده:
روشهای ایمپورت کردن داده از منابع مختلف و انجام پاکسازی و پیشپردازش داده برای تضمین تحلیل دقیق را بیاموزید.
تحلیل اکتشافی داده (EDA):
مهارتهای آماری توصیفی، خلاصهسازی داده و تکنیکهای پیشرفته مصورسازی با استفاده از ggplot2 را توسعه دهید.
کاربردهای دنیای واقعی:
دانش جدید خود را در چالشهای واقعی تحلیل داده به کار ببرید و در پروژههای عملی که پیچیدگیهای محیط حرفهای را شبیهسازی میکنند، مشارکت کنید.
ساختار دوره:
این دوره از طریق ترکیبی از ویدئوهای آموزشی، تمرینهای عملی و پروژههای واقعی ارائه میشود.
در پایان این دوره، مهارتهای لازم برای ناوبری در فضای تحلیل داده را با اعتماد به نفس خواهید داشت و میتوانید با آگاهی تصمیمگیری کنید و الگوهای پنهان در داده را کشف نمایید. به ما بپیوندید تا به یک تحلیلگر داده ماهر با استفاده از زبان پرتوان R تبدیل شوید. همین امروز در این دوره شرکت کنید و از قدرت داده استفاده کنید!
این دوره برای چه کسانی مناسب است؟
- دانشجویان رشتههای مرتبط با علم داده، آمار، کسبوکار یا رشتههای مرتبط که میخواهند مهارتهای عملی در تحلیل داده کسب کنند.
- متخصصان IT که به دنبال گسترش مهارتهای خود در زمینه تحلیل داده با استفاده از R هستند.
- افرادی با علاقه عمومی به تحلیل داده که میخواهند چگونگی استفاده از R برای تحلیل و مصورسازی داده را بیاموزند.
تحلیل داده با استفاده از برنامهنویسی R
-
داده چیست؟ 02:50
-
اهمیت داده 03:35
-
نوع داده - دستهای 03:46
-
نوع داده - عددی 02:10
-
تحلیل 02:26
-
تحلیل داده 05:39
-
تحلیل داده 02:04
-
دستهبندی تحلیل داده 09:57
-
فرآیند 03:12
-
معرفی R 02:40
-
مزایای R 02:58
-
نصب R در رابط گرافیکی اوبونتو 04:57
-
نصب R در ترمینال اوبونتو 02:57
-
مروری بر رابط گرافیکی R studio 04:05
-
چگونگی ایجاد و اجرای فایل R در محیط گرافیکی 03:03
-
چگونگی ذخیره و اجرای فایل R در ترمینال 04:52
-
فایلهای Rdata و Rhistory 03:42
-
متغیر در R 04:17
-
انواع داده در R 05:06
-
تابعهای print و cat در R 03:24
-
توابع ls و rm در R 00:54
-
قوانین ایجاد متغیر در R 04:43
-
کلمات کلیدی خاص در R 01:17
-
انواع داده مختلف در R 02:17
-
بردارسازی در R 05:44
-
انسجام ضمنی 10:55
-
بررسی دقیق تابع ls 10:55
-
عملگرها در R 01:15
-
عملگرهای حسابی 07:02
-
عملگرهای رابطهای 03:06
-
عملگرهای منطقی 04:17
-
عملگرهای متفرقه 07:38
-
خلاصه مبانی R 07:51
-
دستور شرطی if ،else ،else if 06:17
-
دستور شرطی switch 03:16
-
حلقه For 03:23
-
حلقه While 04:25
-
دستور Repeat 02:56
-
گرفتن ورودی کاربر و تبدیل صریح نوع داده 11:31
-
گرفتن ورودی کاربر - بخش 2 03:45
-
بررسی منطقی رشتهها - توابع grepl و grep 03:56
-
مقایسه print ،cat و paste 04:01
-
روشهای رشتهای - toupper ،tolower ،substr ،format 07:31
-
ایندکسگذاری در بردار 05:20
-
ایندکسگذاری در بردار - بخش 2 03:16
-
عملیات داخلی در R 03:04
-
عملیات Repeat در R 03:44
-
راهحل آزمایشگاه - بخش 1 12:54
-
راهحل آزمایشگاه - بخش 2 13:52
-
مقدمهای بر توابع در R 04:19
-
توابع داخلی - seq، seq_along 06:27
-
تابع داخلی seq_len 08:32
-
تابع داخلی rnorm 05:03
-
قانون اعداد بزرگ 03:10
-
تابع داخلی rnorm - بخش 2 04:08
-
تابع داخلی runif 01:46
-
تابع داخلی sample 04:56
-
راهحل آزمایشگاه - بخش 1 09:08
-
راهحل آزمایشگاه - بخش 2 09:15
-
راهحل آزمایشگاه - بخش 3 10:42
-
تابع تعریف شده توسط کاربر - بخش 1 09:25
-
تابع تعریف شده توسط کاربر - بخش 2 07:30
-
تابع تعریف شده توسط کاربر - بخش 3 03:42
-
تابع تعریف شده توسط کاربر - بخش 4 06:28
-
تابع تعریف شده توسط کاربر - بخش 5 04:14
-
تابع تعریف شده توسط کاربر - بخش 6 03:56
-
تابع تعریف شده توسط کاربر - بخش 7 11:43
-
تابع تعریف شده توسط کاربر - بخش 8 10:49
-
رویکرد بردارسازی 12:35
-
تابع بردارسازی شده 06:10
-
معرفی ساختار داده 04:41
-
لیست - بخش 1 12:33
-
لیست - بخش 2 10:10
-
خلاصه لیست 07:58
-
دستکاری لیست 08:26
-
تبدیل لیست به بردار 04:53
-
ماتریس - بخش 1 08:03
-
ماتریس - بخش 2 05:29
-
ماتریس - بخش 3 05:09
-
ماتریس - بخش 4 05:14
-
ماتریس - بخش 5 10:38
-
تاریخ - بخش 1 15:08
-
تاریخ - بخش 2 04:28
-
فاکتور - بخش 1 08:30
-
فاکتور - بخش 2 07:25
-
فاکتور - بخش 3 03:05
-
آرایه - بخش 1 04:48
-
آرایه - بخش 2 09:05
-
آرایه - بخش 3 08:46
-
آرایه - بخش 4 03:20
-
دیتافریم - بخش 1 04:52
-
دیتافریم - بخش 2 07:09
-
دیتافریم - بخش 3 05:07
-
دیتافریم - بخش 4 06:21
-
دیتافریم - بخش 5 09:39
-
دیتافریم - بخش 6 03:37
-
خلاصه دیتافریم 02:18
-
دستکاری داده - بخش 1 07:00
-
دستکاری داده - بخش 2 08:10
-
دستکاری داده - بخش 3 07:27
-
دستکاری داده - بخش 4 05:44
-
پکیج R - بخش 1 10:46
-
پکیج R - بخش 2 13:37
-
تابع apply - بخش 1 06:21
-
تابع apply - بخش 2 07:50
-
تابع apply - بخش 3 01:55
-
تابع lapply - بخش 1 00:59
-
تابع lapply - بخش 2 05:50
-
تابع sapply - بخش 1 03:20
-
تابع sapply - بخش 2 01:48
-
تابع tapply 04:33
-
خلاصه 04:55
-
مقدمهای بر بازآرایی داده 13:41
-
تجمیع داده - بخش 1 07:25
-
تجمیع داده - بخش 2 04:21
-
مرتبسازی 03:09
-
ادغام - اتصال داخلی 05:33
-
انواع اتصال 02:04
-
اتصال چپ، راست و کامل 07:54
-
مصورسازی داده - بخش 1 08:39
-
مصورسازی داده - بخش 2 08:22
-
نمودار پراکندگی با base R 02:29
-
نمودار پراکندگی با استفاده از ggplot - بخش 1 06:00
-
نمودار پراکندگی با ggplot - بخش 2 08:34
-
خلاصه 04:02
-
نمودار خطی با base R 05:35
-
نمودار خطی با ggplot - بخش 1 08:39
-
نمودار خطی با ggplot - بخش 2 06:19
-
هیستوگرام با base R 06:25
-
هیستوگرام با استفاده از ggplot 04:47
-
نمودار میلهای با base R - بخش 1 08:25
-
نمودار میلهای با base R - بخش 2 04:26
-
نمودار میلهای با ggplot 05:26
-
نمودار جعبهای با Base R 17:07
-
نمودار جعبهای با ggplot 03:18
-
معرفی کار با فایل Excel 11:44
-
پاکسازی داده - بخش 1 11:25
مشخصات آموزش
تحلیل داده با استفاده از برنامهنویسی R
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:مقدماتی
- تعداد درس:137
- مدت زمان :14:34:00
- حجم :5.62GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy