توضیحات

آموزش کامل استفاده از کتابخانه tidyverse برای علم داده در زبان R

نام دوره : Data science with R: tidyverse

پیش نیاز:

• نصب R و RStudio روی کامپیوتر شما.
• دانش پایه آمار یک امتیاز مثبت است.
• دانش پایه تا متوسط R یک امتیاز مثبت است.
• مبتدیان کامل R ممکن است این دوره را چالش‌برانگیز بیابند.
• به مبتدیان کامل R توصیه می‌شود ابتدا یکی از دوره‌های مقدماتی R را بگذرانند.
• علاقه به علم داده و وظایف مرتبط با آن.
• علاقه به یادگیری نحوه نوشتن کدهای کارآمد در R.
• به‌روزرسانی R یا کتابخانه‌های R در صورت نیاز. فهرست نسخه‌ها (R و تمامی کتابخانه‌های استفاده شده در تمرینات) در ابتدای دوره و انتها ارائه شده است.

توضیحات

مهارت‌های علم داده همچنان از پرتقاضاترین مهارت‌ها در بازار کار امروز هستند.

بسیاری تنها جنبه جذاب علم داده را می‌بینند، مانند: “جستجوی بینش در داده‌ها”، “افشای حقیقت پنهان پشت داده‌ها”، “ساخت مدل‌های پیش‌بینی‌کننده” یا “اجرای الگوریتم‌های یادگیری ماشین”.

اما واقعیت، که اکثر متخصصان علم داده با آن آشنا هستند، این است که پرهزینه‌ترین بخش‌های زمانی هر پروژه علم داده شامل: “وارد کردن داده”، “پاکسازی داده”، “مدیریت داده” و “کاوش داده” است.

بنابراین داشتن ابزاری مناسب برای انجام این وظایف ضروری است.

و اگر بگویم ابزاری رایگان و در دسترس وجود دارد که تمامی این ویژگی‌ها را دارد، چه می‌گویید؟

R یکی از پرتقاضاترین زبان‌های برنامه‌نویسی در زمینه آمار کاربردی، علم داده و کاوش داده‌ها است.

اگر R را با مجموعه کتابخانه‌های آن به نام tidyverse ترکیب کنید، به یکی از قوی‌ترین ابزارهایی دست پیدا می‌کنید که مخصوص وظایف علم داده طراحی شده است.

تمامی کتابخانه‌های tidyverse فلسفه، گرامر و انواع داده‌ای منحصربه‌فردی را به اشتراک می‌گذارند.

بنابراین، این کتابخانه‌ها می‌توانند در کنار یکدیگر استفاده شوند و به شما امکان می‌دهند کدهای R کارآمد و بهینه‌تری بنویسید که پروژه‌های شما را سریع‌تر به پایان برساند.

مطالب دوره آموزش کامل استفاده از کتابخانه tidyverse برای علم داده در زبان R

این دوره شامل چندین فصل است که هر فصل جنبه‌های مختلفی از وظایف مرتبط با داده را معرفی می‌کند و ابزار مناسب tidyverse را برای انجام هر وظیفه ارائه می‌دهد.

همچنین، این دوره شامل مباحث نظری مرتبط با موضوع و مثال‌های عملی است که در R پوشش داده می‌شود.

در اینجا چند نمونه از چالش‌های علم داده که در این دوره با آن‌ها روبرو خواهید شد، آمده است:

• داده‌های مرتب: چگونه داده‌های خود را با tidyverse پاکسازی کنیم؟
• گرامر مدیریت داده.
• مدیریت داده‌ها با استفاده از dplyr و tidyr.
• ایجاد اشیاء شبیه جدول با نام tibble.
• وارد کردن و تجزیه داده‌ها با readr و کتابخانه‌های دیگر.
• کار با رشته‌ها در R با استفاده از stringr.
• اعمال مفاهیم عبارت‌های منظم (Regular Expressions) برای کار با رشته‌ها.
• مدیریت متغیرهای دسته‌بندی شده با استفاده از forcats.
• گرامر تجسم داده‌ها.
• کاوش داده‌ها و رسم نمودارهای آماری با استفاده از ggplot2.
• استفاده از مفاهیم برنامه‌نویسی تابعی و توابع نگاشت با purrr.
• مدیریت لیست‌ها با کمک purrr.
• کاربردهای عملی داده‌های رابطه‌ای.
• استفاده از dplyr برای داده‌های رابطه‌ای.
• ارزیابی مرتب در tidyverse.
• استفاده از ابزارهای tidyverse برای پروژه نهایی علم داده.

محتوای دوره

• بیش از ۲۵ ساعت ویدئوی آموزشی.
• اسکریپت‌های R و داده‌های اضافی (در مواد دوره ارائه شده‌اند).
• انجام تکالیف در پایان هر فصل.

این دوره یکی از کامل‌ترین دوره‌های Udemy برای وظایف مرتبط با علم داده با استفاده از R و tidyverse است.

دوره آموزش کامل استفاده از کتابخانه tidyverse برای علم داده در زبان R برای چه کسانی مناسب است؟

• کسانی که به علم داده علاقه‌مندند.
• کسانی که به تحلیل داده علاقه‌مندند.
• کسانی که به نوشتن کدهای کارآمد در R علاقه‌مندند.
• کسانی که شغل، تحقیقات یا علاقه‌شان به پاکسازی یا تجسم داده مربوط می‌شود.
• دانشمندان داده، آماردانان یا تحلیل‌گران داده (کسب‌وکار) مشتاق.
• کسانی که با مدل‌سازی داده‌ها سروکار دارند و معمولاً با مرحله آماده‌سازی/پاکسازی داده‌ها دست‌وپنجه نرم می‌کنند.
• دانشجویانی که با داده‌ها کار می‌کنند.

بخشی از دوره: