دوره آموزشی
The Great Courses
دوبله زبان فارسی

تحلیل داده‌ با استفاده از برنامه‌نویسی R

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

8,681,600 2,170,400 تومان

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

آموزش های مرتبط

The Great Courses
2,260,000 452,000 تومان
  • زمان: 03:02:02
  • تعداد درس: 14
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
795,000 159,000 تومان
  • زمان: 58:00
  • تعداد درس: 12
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
19,403,000 3,880,600 تومان
  • زمان: 26:02:40
  • تعداد درس: 175
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
8,508,000 1,701,600 تومان
  • زمان: 11:25:13
  • تعداد درس: 94
  • سطح دوره:
  • زبان: دوبله فارسی
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
1,833,000 366,600 تومان
  • زمان: 02:27:39
  • تعداد درس: 24
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
6,100,500 1,220,100 تومان
  • زمان: 08:11:21
  • تعداد درس: 28
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
7,256,500 1,451,300 تومان
  • زمان: 09:44:25
  • تعداد درس: 67
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
3,634,500 726,900 تومان
  • زمان: 04:52:43
  • تعداد درس: 38
  • سطح دوره:
  • زبان: دوبله فارسی

آیا سوالی دارید؟

ما به شما کمک خواهیم کرد تا شغل و رشد خود را افزایش دهید.
امروز با ما تماس بگیرید