تحلیل داده با R: راهنمای کامل برای مبتدیان

آنچه یاد خواهید گرفت:

• بارگذاری داده از منابع مختلف به درون R (فایل‌ها، پایگاه‌های داده)
• پاک‌سازی و تبدیل داده با استفاده از بسته‌های tidyverse
• بررسی سریع و مصورسازی روندهای داده
• ایجاد مصورسازی‌ها و گزارش‌های حرفه‌ای
• انجام تحلیل سری زمانی
• اجرای مهندسی ویژگی برای تحلیل عمیق‌تر
• خودکارسازی گزارش‌ها با Rmarkdown

پیش نیازهای دوره

• هیچ تجربه‌ای در برنامه‌نویسی یا آمار لازم نیست.

توضیحات دوره

این دوره‌ی R برای مبتدیانی است که هیچ تجربه‌ای در کدنویسی ندارند. این دوره بر پایه آخرین پژوهش‌ها در نظریه یادگیری آنلاین و تجربه شخصی مدرس با ده‌ها دوره آنلاین بنا شده است. مدرس این دوره را به گونه‌ای طراحی کرده که خودش آرزو داشت هنگام شروع یادگیری R در اختیار داشته باشد.

ما با هم کدنویسی خواهیم کرد و بر 20% کدی که مسئول انجام 80% کار است تمرکز می‌کنیم. در انتهای هر بخش، شما یک چالش «تثبیت در حافظه» خواهید داشت تا آموخته‌های خود را با یک مجموعه داده متفاوت اعمال کنید (بر اساس اصول کتاب «تثبیت در حافظه»).

این دوره از چند جهت اساسی با سایر دوره‌های مقدماتی R تفاوت دارد:

• یادگیری مبتنی بر پروژه با سناریوهای دنیای واقعی: تمام دروس بر اساس پرسش‌های رایجی است که فعالان حوزه داده با آن مواجه می‌شوند.
• تمرکز بر محتوا: طرح کلی دوره و ویدیوها بر مبنای جریان‌های کاری روزمره فعالان داده طراحی شده است، نه رویکردی پایین به بالا برای آموزش برنامه‌نویسی R. در عمل، این بدان معناست که ما زمان زیادی را صرف یادگیری درباره R و اصول بنیادین برنامه‌نویسی نخواهیم کرد؛ بلکه مستقیماً از چگونگی استفاده از آن شروع می‌کنیم.
• کد به‌روز (و پیوسته بروزرسانی‌شونده): مدرس هر روز با R کار می‌کند و اطمینان حاصل می‌کند که شما بهترین و کارآمدترین روش‌ها را برای انجام رایج‌ترین و مهم‌ترین تسک ها یاد می‌گیرید. به عنوان مثال، تابع rowwise در بسته dplyr به شما امکان می‌دهد محاسبات را در سراسر ستون‌ها و به تفکیک سطر انجام دهید. یک خط کد اکنون می‌تواند کاری را انجام دهد که پیش‌تر بسیار چالش‌برانگیزتر بود.
• حفظ جنبه عملی: مدرس هنگام بروز خطا ویدیو را متوقف نمی‌کند. شما می‌توانید چیزهای زیادی از اشتباهات یاد بگیرید. R اولین زبان برنامه‌نویسی مدرس بود و او دو بار به دلیل خطاهای زیاد، زمان طولانی یادگیری و ناامیدی از دوره‌های آنلاینی که مراحل مهم را جا می‌انداختند یا دانشی پیش‌فرض را در نظر می‌گرفتند که اساساً وجود نداشت، آن را رها کرد. مدرس بسیار تلاش می‌کند تا در حین انجام کار، آنچه را که انجام می‌دهیم توضیح دهد و سپس به شما فرصتی بدهد تا خودتان با مجموعه داده‌ای متفاوت (اما مرتبط) آن را انجام دهید.

در این دوره، شما یاد خواهید گرفت که:

• داده را از منابع مختلف بارگذاری کنید. (فایل‌ها، پایگاه‌های داده)
• داده را برای تحلیل با استفاده از بسته‌های tidyverse ساختاربندی کنید.
• به سرعت روندهای داده را بررسی و مصورسازی کنید.
• مهندسی ویژگی را برای تحلیل عمیق‌تر انجام دهید.
• داده نظرسنجی را تحلیل کنید.
• مصورسازی مناسب برای دادهتان را انتخاب کنید.
• مصورسازی‌های حرفه‌ای ایجاد کنید.
• گزارش‌ها را با استفاده از RMarkdown ایجاد و خودکارسازی کنید.

این دوره برای چه کسانی مناسب است؟

• کارمندان سازمان‌های غیرانتفاعی که مسئول سنجش و درک عملکرد برنامه هستند.
• کارمندانی که با صفحات گسترده کار می‌کنند و به دنبال ظرفیت و کارایی بیشتر هستند.