در این دوره جامع که توسط LinkedIn Learning در آگوست 2024 منتشر شده است، شما با خانوادهٔ قدرتمند R Tidyverse آشنا می‌شوید. Tidyverse مجموعه‌ای از بسته‌های R است که توانایی شما در پاک‌سازی، تحلیل و مصورسازی دیتا را بهبود می‌بخشد. هدف دوره، آموزش گام‌به‌گام ابزارهایی مانند dplyr، ggplot2 و tidyr است تا دانشجویان بتوانند در پروژه‌های واقعی داده محور از آن بهره‌مند شوند.

• اصول پایه کار با داده‌ها در R و معرفی Tidy Data.
• فیلتر کردن، انتخاب و مرتب‌سازی داده‌ها با dplyr.
• پاک‌سازی داده‌ها و مدیریت مقادیر گمشده با tidyr و janitor.
• ساخت انواع نمودارهای پویا و حرفه‌ای با ggplot2.
• کار با توابع تو در تو (Nested) و برنامه‌نویسی تابعی (Functional Programming).
• پیاده‌سازی پروژه‌های کامل از خواندن فایل تا خروجی نهایی.

شرکت در این دوره به شما کمک می‌کند تا:

• در زمانی کوتاه تبدیل به تحلیلگر حرفه‌ای داده در R شوید.
• فرایند پاک‌سازی و آماده‌سازی داده‌ها را با کمترین کدنویسی انجام دهید.
• نمودارها و گزارش‌های تعاملی تولید کنید و دید بصری بهتری از نتایج داشته باشید.
• مهارت خود را در بازار کار و رزومه با مدرک معتبر LinkedIn تقویت کنید.

• آشنایی مقدماتی با زبان R یا زبان‌های اسکریپتی مشابه.
• نصب R (نسخه ≥ 4.0) و RStudio بر روی سیستم (ویندوز، مک یا لینوکس).
• دانش اولیه از مفاهیم پایه آمار توصیفی و داده‌کاوی.
• دسترسی به اینترنت برای دانلود بسته‌های مورد نیاز (tidyverse، readr، janitor).

• مقدمه و آشنایی با Tidyverse: فلسفه Tidiness و نصب بسته‌ها.
• داده‌خوانی و وارد کردن دیتا: کار با فرمت‌های CSV، Excel و JSON.
• dplyr در عمل: filter, select, mutate, summarize و group_by.
• tidyr برای مرتب‌سازی دیتا: gather، spread، unite و separate.
• مرتب‌سازی پیشرفته: joinها (left, inner, full) و پیوست (bind_rows, bind_cols).
• مصورسازی با ggplot2: رسم نمودارهای ستونی، خطی، پراکندگی و جعبه‌ای.
• برنامه‌نویسی تابعی: map، reduce و walk در بسته purrr.
• خروجی نهایی: گزارش HTML، PDF و داشبورد Shiny.

در هر بخش از دوره، مثال‌های واقعی از دیتاست‌های عمومی مانند mtcars یا nycflights13 ارائه می‌شود. برای نمونه:

• فیلتر کردن خودروهای با فاصله ترمز کمتر از 100 فوت و میانگین مصرف سوخت زیر 20 mpg.
• گروه‌بندی داده‌ها بر اساس سال ساخت و محاسبه آماره‌های توصیفی.
• پاک‌سازی ستون‌های نامنظم و استانداردسازی نام‌ها با janitor::clean_names().
• طراحی یک صفحه داشبورد ساده با Shiny برای نمایش روند فروش محصول در طول سال.

• استفاده از Pipe (%>%) برای خوانایی بهتر کد.
• مدیریت حافظه و بهینه‌سازی عملکرد با توابع data.table در صورت نیاز.
• یکپارچه‌سازی با پایگاه‌های داده SQL از طریق بسته DBI.
• ورکشاپ تمرینی برای درک عمیق‌تر هر مبحث.

دانلود و مشاهده رایگان دوره «کاربردهای R Tidyverse» فرصت بی‌نظیری است تا قدم در دنیای مدرن داده‌کاوی و مصورسازی بگذارید. با گذراندن این دوره، توانایی شما در تحلیل داده‌ها متحول می‌شود و می‌توانید پروژه‌های حرفه‌ای در زمینه علوم داده انجام دهید.هم‌اکنون این دوره را دانلود کنید و مهارت‌های خود را به سطح بعدی ارتقاء دهید!