برنامه‌نویسی R - تحلیل‌های پیشرفته در R برای علم داده

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

انجام آماده‌سازی داده‌ در R
شناسایی رکوردهای گمشده در دیتافریم‌ها
یافتن داده‌ گمشده در دیتافریم‌ها
اعمال متد جانهی میانه برای جایگزینی رکوردهای گمشده
اعمال متد تحلیل واقعی برای جایگزینی داده‌ گمشده
درک نحوه استفاده از تابع ()which
آشنایی با نحوه ریست کردن ایندکس دیتافریم
کار با توابع ()gsub و ()sub برای جایگزینی رشته‌ها
توضیح اینکه چرا NA، تایپ سوم از یک ثابت منطقی است؟
برخورد با تاریخ‌ها و زمان‌ها در R
تبدیل تاریخ-زمان به فرمت زمانی POSIXct
ایجاد، استفاده، پیوست، اصلاح، تغییر نام، دسترسی و مجموعه‌ فرعی از لیست‌ها در R
درک اینکه چه زمانی باید از [] و چه زمانی از [[]] یا علامت $ برای کار با لیست‌ها استفاده کرد؟
ایجاد نمودار سری زمانی در R
درک نحوه عملکرد خانواده توابع Apply
بازسازی دستور apply با حلقه ()for
استفاده از ()apply هنگام کار با ماتریس‌ها
استفاده از ()lapply و ()sapply برای کار با لیست‌ها و بردارها
افزودن توابع خود به دستورات apply
تودرتوسازی توابع ()apply و ()lapply و ()sapply درون یکدیگر
استفاده از توابع ()which.max و ()which.min

پیش‌نیازهای دوره

دانش اولیه از R
دانش پکیج GGPlot2 توصیه می‌شود.
دانش دیتافریم ها
دانش بردارها و عملیات‌های برداری

توضیحات دوره

آیا آماده‌اید مهارت‌های برنامه‌نویسی R خود را به سطح بعدی ارتقا دهید؟

آیا می‌خواهید در علم داده و تحلیل با R به یک متخصص واقعی تبدیل شوید؟

پس این دوره مخصوص شما است.

آموزش ویدئویی حرفه‌ای R، مجموعه داده‌‌های منحصربه‌فرد طراحی شده بر اساس سال‌ها تجربه در صنعت، تمرین‌های جذاب که هم سرگرم‌کننده‌ هستند و هم تحلیل‌های واقعی را به شما ارائه می‌دهند.

آنچه در این دوره یاد خواهید گرفت:

چگونه داده‌ را برای تحلیل در R آماده کنید؟
چگونه از متد جانهی میانه برای جایگزینی داده‌ گمشده در R استفاده کنید؟
کار با تاریخ‌ها و زمان‌ها در R
لیست‌ها چه هستند و چگونه از آنها استفاده کنیم؟
خانواده توابع Apply چیست؟
چگونه به جای حلقه‌ها از ()apply و ()lapply و ()sapply استفاده کنیم؟
چگونه توابع خود را توابع apply-type تودرتوسازی کنیم؟
چگونه توابع ()apply و ()lapply و ()sapply را تودرتوسازی کنیم؟
و خیلی موارد دیگر

هرچه بیشتر بیاموزید، بهتر می‌شوید. پس از هر بخش، مهارت‌های قوی‌ کسب خواهید کرد که می‌توانید در مسیر شغلی علم داده به کار ببرید.

ما مطالعات موردی واقعی آماده کرده‌ایم.

در بخش اول، شما با داده‌ مالی کار می‌کنید، آن را پاکسازی و برای تحلیل آماده می‌کنید. شما باید نمودارهایی از درآمد، هزینه‌ها و سود صنایع مختلف ایجاد کنید.

در بخش دوم، به ترمینال ذغال‌سنگ کمک خواهید کرد تا از طریق انجام تسک‌های تحلیل داده مختلف، بفهمد کدام دستگاه‌ها به اندازه کافی استفاده نمی‌شوند.

در بخش سوم، به اداره هواشناسی می‌روید. آن‌ها می‌خواهند الگوهای آب و هوایی را بهتر درک کنند و از شما برای این کار کمک می‌خواهند.

این دوره برای چه کسانی مناسب است؟