اپلیکیشن اندرویدی فلش‌کارت آموزشی Data Wrangling حرفه‌ای با R: راهنمای جامع دستکاری داده‌ها با کتاب فیل اسپکتور

249,500 تومان
Data Wrangling حرفه‌ای با R: راهنمای جامع دستکاری داده‌ها با کتاب فیل اسپکتور Data Wrangling حرفه‌ای با R: راهنمای جامع دستکاری داده‌ها با کتاب فیل اسپکتور مسلط شوید بر هنر دستکاری داده‌ها با R و تبدی...
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,375 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: Data Wrangling حرفه‌ای با R: راهنمای جامع دستکاری داده‌ها با کتاب فیل اسپکتور

موضوع کلی: تحلیل و دستکاری داده با R

موضوع میانی: تکنیک‌های پیشرفته دستکاری داده در R

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مقدمه‌ای بر R و محیط آن
  • 2. نصب R و RStudio
  • 3. اولین گام‌ها در R: اجرای دستورات و کار با کنسول
  • 4. انواع داده در R (عددی، منطقی، کاراکتری)
  • 5. ساختارهای داده در R: بردارها (Vectors)
  • 6. ساختارهای داده در R: ماتریس‌ها (Matrices)
  • 7. ساختارهای داده در R: آرایه‌ها (Arrays)
  • 8. ساختارهای داده در R: فاکتورها (Factors)
  • 9. ساختارهای داده در R: لیست‌ها (Lists)
  • 10. ساختارهای داده در R: دیتافریم‌ها (Data Frames)
  • 11. وارد کردن داده‌ها به R: فایل‌های CSV
  • 12. وارد کردن داده‌ها به R: فایل‌های Excel
  • 13. وارد کردن داده‌ها به R: پایگاه‌های داده (SQL)
  • 14. ذخیره داده‌ها در R
  • 15. اصول اولیه دستکاری داده
  • 16. انتخاب ستون‌ها (Selecting Columns)
  • 17. فیلتر کردن ردیف‌ها (Filtering Rows)
  • 18. مرتب‌سازی داده‌ها (Sorting Data)
  • 19. ایجاد ستون‌های جدید (Creating New Columns)
  • 20. تغییر نام ستون‌ها (Renaming Columns)
  • 21. حذف ستون‌ها و ردیف‌ها (Removing Columns and Rows)
  • 22. مدیریت مقادیر گمشده (Missing Values - NA)
  • 23. شناسایی و شمارش مقادیر گمشده
  • 24. جایگزینی مقادیر گمشده
  • 25. حذف ردیف‌های دارای مقادیر گمشده
  • 26. کار با رشته‌ها (Strings)
  • 27. عملیات اساسی با رشته‌ها
  • 28. تقسیم و ترکیب رشته‌ها
  • 29. جستجو و جایگزینی در رشته‌ها
  • 30. کار با تاریخ و زمان (Dates and Times)
  • 31. تبدیل فرمت تاریخ و زمان
  • 32. استخراج اجزای تاریخ و زمان
  • 33. محاسبات با تاریخ و زمان
  • 34. عملیات تجمعی (Aggregation)
  • 35. مقدمه‌ای بر عملیات تجمعی
  • 36. استفاده از تابع aggregate()
  • 37. مقدمه‌ای بر dplyr
  • 38. مقدمه‌ای بر tidyverse
  • 39. نصب و بارگذاری پکیج dplyr
  • 40. تابع select() در dplyr
  • 41. تابع filter() در dplyr
  • 42. تابع mutate() در dplyr
  • 43. تابع arrange() در dplyr
  • 44. تابع rename() در dplyr
  • 45. تابع distinct() در dplyr
  • 46. تابع slice() در dplyr
  • 47. تابع top_n() در dplyr
  • 48. piping (%>%) در dplyr
  • 49. اتصال دیتافریم‌ها (Joins)
  • 50. مقدمه‌ای بر اتصال دیتافریم‌ها
  • 51. inner_join()
  • 52. left_join()
  • 53. right_join()
  • 54. full_join()
  • 55. semi_join()
  • 56. anti_join()
  • 57. کار با داده‌های گروه‌بندی شده
  • 58. تابع group_by() در dplyr
  • 59. تابع summarize() در dplyr
  • 60. توابع آماری در summarize()
  • 61. ایجاد چندین خلاصه در summarize()
  • 62. کار با داده‌های متنی
  • 63. نصب و بارگذاری پکیج stringr
  • 64. عملیات حرفه‌ای با رشته‌ها با stringr
  • 65. نصب و بارگذاری پکیج lubridate
  • 66. عملیات حرفه‌ای با تاریخ و زمان با lubridate
  • 67. کار با داده‌های پیچیده
  • 68. نصب و بارگذاری پکیج tidyr
  • 69. تابع spread() در tidyr
  • 70. تابع gather() در tidyr
  • 71. تابع separate() در tidyr
  • 72. تابع unite() در tidyr
  • 73. فلت کردن لیست‌ها (Flattening Lists)
  • 74. تبدیل داده‌های پشته‌ای (Reshaping Data)
  • 75. کار با داده‌های بزرگ
  • 76. مقدمه‌ای بر مدیریت حافظه در R
  • 77. تکنیک‌های بهینه‌سازی کد برای داده‌های بزرگ
  • 78. استفاده از پکیج data.table
  • 79. مقدمه‌ای بر data.table
  • 80. ایجاد دیتا تیبل
  • 81. انتخاب و فیلتر در data.table
  • 82. به‌روزرسانی درجا (In-place Updates) در data.table
  • 83. گروه‌بندی و خلاصه در data.table
  • 84. جوین در data.table
  • 85. توابع و عبارات در data.table
  • 86. کار با داده‌های ساختار یافته
  • 87. نصب و بارگذاری پکیج xml2
  • 88. وارد کردن داده‌های XML
  • 89. کار با داده‌های JSON
  • 90. نصب و بارگذاری پکیج jsonlite
  • 91. وارد کردن داده‌های JSON
  • 92. استفاده از regular expressions در R
  • 93. مقدمه‌ای بر regular expressions
  • 94. تابع grep() و grepl()
  • 95. تابع sub() و gsub()
  • 96. تطابق الگوها در R
  • 97. دستکاری داده‌های ساختار یافته با regular expressions
  • 98. عملیات پیشرفته با dplyr
  • 99. تابع case_when() برای شرط‌های پیچیده
  • 100. تابع if_else() برای شرط‌های دودویی
Data Wrangling حرفه‌ای با R: راهنمای جامع دستکاری داده‌ها با کتاب فیل اسپکتور

Data Wrangling حرفه‌ای با R: راهنمای جامع دستکاری داده‌ها با کتاب فیل اسپکتور

مسلط شوید بر هنر دستکاری داده‌ها با R و تبدیل داده‌های خام به بینش‌های قدرتمند

معرفی دوره: از داده‌های خام تا تصمیم‌گیری هوشمندانه

آیا می‌خواهید توانایی‌های خود در تحلیل داده‌ها را به سطح بالاتری ارتقا دهید؟ آیا می‌خواهید داده‌های خام و بی‌شکل را به اطلاعاتی ارزشمند و قابل استفاده تبدیل کنید؟ دوره Data Wrangling حرفه‌ای با R دقیقا همان چیزی است که به آن نیاز دارید! این دوره، یک راهنمای جامع و کاربردی است که بر اساس مفاهیم و تکنیک‌های مطرح شده در کتاب پرفروش "Data Manipulation with R" نوشته‌ی فیل اسپکتور طراحی شده است. با این دوره، شما به یک متخصص در دستکاری داده‌ها با R تبدیل خواهید شد و می‌توانید هر چالشی را در این زمینه با اطمینان پشت سر بگذارید.

ما در این دوره، شما را از صفر تا صد با ابزارهای قدرتمند R برای دستکاری داده‌ها آشنا می‌کنیم. فرقی نمی‌کند که شما یک تازه‌کار در دنیای تحلیل داده باشید یا یک تحلیلگر باتجربه. این دوره برای همه سطوح طراحی شده است و به شما کمک می‌کند تا مهارت‌های خود را در این زمینه به طور چشمگیری افزایش دهید. آماده‌اید تا قدرت داده‌ها را در دستان خود بگیرید؟

درباره دوره: یک سفر آموزشی عمیق در دنیای Data Wrangling با R

دوره Data Wrangling حرفه‌ای با R، یک دوره‌ی آموزشی فشرده و عملی است که شما را با تکنیک‌های پیشرفته‌ی دستکاری داده‌ها در R آشنا می‌کند. ما در این دوره، از مبانی اولیه تا تکنیک‌های پیشرفته را پوشش می‌دهیم و به شما یاد می‌دهیم که چگونه داده‌ها را از منابع مختلف جمع‌آوری، پاکسازی، تبدیل و تحلیل کنید. این دوره به طور مستقیم از کتاب "Data Manipulation with R" الهام گرفته و شامل مثال‌های عملی، تمرین‌های جذاب و پروژه‌های واقعی است که به شما کمک می‌کند تا مفاهیم را به خوبی درک کرده و آن‌ها را در عمل پیاده‌سازی کنید.

هدف ما در این دوره، توانمندسازی شما برای تبدیل شدن به یک متخصص در زمینه Data Wrangling است. ما به شما کمک می‌کنیم تا با استفاده از R، داده‌های پیچیده را به اطلاعاتی ارزشمند تبدیل کنید که می‌تواند در تصمیم‌گیری‌های مهم و حیاتی، نقش کلیدی ایفا کند.

موضوعات کلیدی دوره: آنچه در این دوره خواهید آموخت

در این دوره، شما با طیف گسترده‌ای از موضوعات کلیدی در زمینه دستکاری داده‌ها با R آشنا خواهید شد. برخی از مهم‌ترین موضوعات عبارتند از:

  • مبانی R و نصب و راه‌اندازی نرم‌افزار R و RStudio
  • شناخت انواع داده‌ها و ساختارهای داده‌ای در R
  • وارد کردن داده‌ها از منابع مختلف (CSV, Excel, پایگاه داده‌ها و...)
  • پاکسازی داده‌ها: حذف مقادیر گمشده (NaN) و داده‌های پرت (Outliers)
  • تبدیل داده‌ها: تغییر فرمت، نوع داده‌ها و مقیاس‌گذاری
  • دستکاری داده‌ها با استفاده از بسته‌های dplyr و tidyr
  • استفاده از توابع apply و خانواده‌ی apply
  • ادغام و ترکیب داده‌ها (Joining and Merging)
  • تجزیه و تحلیل متن (Text Mining) و کار با رشته‌ها
  • تبدیل داده‌ها به فرمت‌های مختلف برای مصورسازی و مدل‌سازی
  • بهینه‌سازی عملکرد کد R برای دستکاری داده‌ها
  • کاربرد عملی در پروژه‌های واقعی

مخاطبان دوره: این دوره برای چه کسانی مناسب است؟

دوره Data Wrangling حرفه‌ای با R برای طیف وسیعی از افراد مناسب است، از جمله:

  • دانشجویان رشته‌های علوم داده، آمار، اقتصاد، و مهندسی
  • تحلیلگران داده و متخصصان BI که می‌خواهند مهارت‌های خود را در R ارتقا دهند
  • محققان و پژوهشگرانی که با داده‌های بزرگ سر و کار دارند
  • علاقه‌مندان به یادگیری تحلیل داده‌ها و ورود به این حوزه
  • هر کسی که می‌خواهد مهارت‌های خود را در دستکاری داده‌ها با R بهبود بخشد

مهم نیست که شما چقدر تجربه دارید؛ این دوره برای همه سطوح طراحی شده است.

چرا این دوره را بگذرانیم؟ مزایای بی‌شمار برای شما

با شرکت در دوره Data Wrangling حرفه‌ای با R، شما به مزایای زیر دست خواهید یافت:

  • افزایش مهارت‌های شغلی: یادگیری مهارت‌های ارزشمند Data Wrangling که امروزه در بازار کار بسیار پرتقاضا هستند.
  • کاهش زمان و تلاش: صرفه‌جویی در زمان و انرژی با یادگیری تکنیک‌های کارآمد و بهینه‌سازی شده در R.
  • بهبود تصمیم‌گیری: تبدیل داده‌های خام به اطلاعات قابل اعتماد و دقیق برای تصمیم‌گیری‌های بهتر.
  • افزایش اعتماد به نفس: تسلط بر ابزارهای قدرتمند R و توانایی حل چالش‌های پیچیده دستکاری داده‌ها.
  • پروژه‌های عملی: یادگیری از طریق مثال‌های کاربردی و پروژه‌های واقعی که دانش شما را تثبیت می‌کند.
  • پشتیبانی کامل: دسترسی به پشتیبانی و پاسخ به سوالات شما در طول دوره.
  • گواهینامه معتبر: دریافت گواهینامه پایان دوره و تایید مهارت‌های شما.

سرفصل‌های دوره: 100 درس برای تبدیل شدن به یک متخصص Data Wrangling

دوره Data Wrangling حرفه‌ای با R شامل 100 سرفصل جامع و کاربردی است که به شما کمک می‌کند تا تمام جوانب دستکاری داده‌ها با R را فرا بگیرید. در اینجا تنها به بخشی از سرفصل‌ها اشاره می‌کنیم:

  • بخش 1: مقدمه‌ای بر R و RStudio: نصب، راه‌اندازی و آشنایی با محیط کار
  • بخش 2: انواع داده‌ها و ساختارهای داده‌ای در R: Vector, Matrix, Data Frame, List
  • بخش 3: وارد کردن داده‌ها از منابع مختلف: CSV, Excel, پایگاه داده‌ها
  • بخش 4: پاکسازی داده‌ها: حذف مقادیر گمشده و داده‌های پرت
  • بخش 5: تبدیل داده‌ها: تغییر فرمت، نوع داده‌ها و مقیاس‌گذاری
  • بخش 6: دستکاری داده‌ها با dplyr: Select, Filter, Arrange, Mutate, Summarize
  • بخش 7: دستکاری داده‌ها با tidyr: Pivot, Gather, Spread
  • بخش 8: توابع apply و خانواده‌ی apply: lapply, sapply, vapply, mapply
  • بخش 9: ادغام و ترکیب داده‌ها: Joining and Merging
  • بخش 10: تجزیه و تحلیل متن و کار با رشته‌ها: Regular Expression
  • بخش 11: تبدیل داده‌ها به فرمت‌های مختلف برای مصورسازی و مدل‌سازی
  • بخش 12: بهینه‌سازی عملکرد کد R برای دستکاری داده‌ها
  • بخش 13: پروژه‌های عملی: پیاده‌سازی آموخته‌ها در پروژه‌های واقعی (به طور مداوم به‌روزرسانی می‌شود)
  • بخش 14: ... (بیش از 80 سرفصل دیگر در انتظار شماست!)

این فقط یک نمونه کوچک از سرفصل‌های دوره است. با شرکت در این دوره، شما به یک مجموعه کامل از ابزارها و دانش برای تبدیل شدن به یک متخصص در زمینه Data Wrangling دست خواهید یافت.

همین امروز ثبت‌نام کنید و سفر خود را به سوی تسلط بر Data Wrangling با R آغاز کنید!

ثبت نام در دوره

اپلیکیشن آموزشی اندروید
یادگیری هوشمند، همیشه همراه شما
فلش‌کارت‌های آموزشی را در یک محیط فارسی، ساده و کاربردی مرور کنید؛ پاسخ‌های خود را بسنجید و پیشرفت یادگیری‌تان را دنبال کنید.
مطالعه آفلاین محیط فارسی و راست‌چین ویژه اندروید
فلش‌کارت آموزشی؛ روشی کاربردی برای مرور مطالب

این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلش‌کارت طراحی شده است. کارت‌ها را یکی‌یکی مرور کنید، پاسخ پرسش‌ها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.

📴
یادگیری بدون اینترنت مداوم
پس از نصب و در دسترس بودن محتوای دوره، فلش‌کارت‌ها را در زمان و مکان دلخواه مرور کنید.
🗂️
انواع محتوای آموزشی
از نکته‌های آموزشی تا پرسش‌های چهارگزینه‌ای و پرسش‌وپاسخ، مطالب را متناسب با نیاز خود مرور کنید.
📊
ارزیابی میزان یادگیری
پاسخ‌های درست و غلط خود را ثبت کنید و آمار عملکردتان را به تفکیک نوع محتوا ببینید.
🎯
مرور هدفمند فصل‌ها
فصل‌های موردنظر را انتخاب کنید و با استفاده از گزینه انتخاب همه، مرور فصل‌های مرورنشده را در اولویت قرار دهید.
انواع فلش‌کارت‌های قابل مرور

محتوای آموزشی در قالب‌های متنوع ارائه می‌شود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموخته‌ها قابل استفاده باشد.

💬
نکته‌های خودمانی
یادگیری ساده و روان
📘
نکته‌های رسمی و کتابی
مرور دقیق مفاهیم
📝
پرسش‌های چهارگزینه‌ای
سنجش آموخته‌ها
❓
پرسش‌وپاسخ
تمرین یادآوری پاسخ
🎓
درسنامه
مرور محتوای آموزشی
امکانات مرور و ارزیابی
حرکت ساده بین کارت‌ها
استفاده از دکمه‌های قبلی و بعدی و مشاهده نوار پیشرفت برای دنبال کردن روند مرور.
مشاهده پاسخ و توضیحات
برگرداندن کارت برای نمایش پاسخ و توضیحات در قالب‌هایی مانند تست و پرسش‌وپاسخ.
تنظیم اندازه فونت
انتخاب اندازه مناسب نوشته‌ها برای تجربه مطالعه راحت‌تر.
نمایش فرمول‌های ریاضی
پشتیبانی از نمایش صحیح فرمول‌ها و روابط ریاضی مبتنی بر LaTeX.
ثبت نتیجه و گزارش آماری
علامت‌گذاری هر پاسخ به‌صورت درست یا غلط و مشاهده تعداد و درصد موفقیت برای انواع محتوا.
طراحی‌شده برای مطالعه روزمره
  • رابط کاربری فارسی و راست‌چین با فونت وزیر.
  • تم روشن و تیره مطابق تنظیمات سیستم.
  • صفحه‌بندی ساده برای انتخاب دوره و شروع مرور.
  • نمایش تعداد دفعات مرور هر فصل.
  • انتخاب چند فصل برای مرور هم‌زمان.
  • امکان تمرکز بر فصل‌هایی که هنوز مرور نشده‌اند.
مناسب برای چه کسانی است؟

این اپلیکیشن برای دانش‌آموزان، دانشجویان، داوطلبان آزمون‌ها و علاقه‌مندان به یادگیری طراحی شده است؛ به‌ویژه کسانی که می‌خواهند مطالب آموزشی را در زمان‌های کوتاه مرور کنند، دانسته‌های خود را بسنجند و مطالعه منظم‌تری داشته باشند.

توجه: محتوای آموزشی و تعداد فلش‌کارت‌ها به دوره انتخاب‌شده بستگی دارد. محتوای دوره پس از نصب، درون برنامه قابل استفاده است؛ با این حال، دریافت اولیه اپلیکیشن و به‌روزرسانی‌های احتمالی ممکن است به اینترنت نیاز داشته باشند.
گالری تصاویر اپلیکیشن‌ها
محیط واقعی اپلیکیشن‌های آموزشی ما
تصاویر زیر، نمونه‌هایی از محیط واقعی اپلیکیشن‌های آموزشی ما هستند و قالب کلی، سبک طراحی و شیوه نمایش محتوای آموزشی در این برنامه‌ها را نشان می‌دهند.
نگاهی به فضای داخل برنامه
تصویر محیط اپلیکیشن آموزشی ۱
نمای اپلیکیشن ۱
تصویر محیط اپلیکیشن آموزشی ۲
نمای اپلیکیشن ۲
تصویر محیط اپلیکیشن آموزشی ۳
نمای اپلیکیشن ۳
تصویر محیط اپلیکیشن آموزشی ۴
نمای اپلیکیشن ۴
تصویر محیط اپلیکیشن آموزشی ۵
نمای اپلیکیشن ۵
تصویر محیط اپلیکیشن آموزشی ۶
نمای اپلیکیشن ۶
تصویر محیط اپلیکیشن آموزشی ۷
نمای اپلیکیشن ۷
تصویر محیط اپلیکیشن آموزشی ۸
نمای اپلیکیشن ۸
تصویر محیط اپلیکیشن آموزشی ۹
نمای اپلیکیشن ۹
تصویر محیط اپلیکیشن آموزشی ۱۰
نمای اپلیکیشن ۱۰
تصویر محیط اپلیکیشن آموزشی ۱۱
نمای اپلیکیشن ۱۱
نکته مهم درباره تصاویر
این تصاویر نمونه‌ای از قالب و سبک طراحی اپلیکیشن‌های آموزشی ما هستند. اپلیکیشن ارائه‌شده نیز از همین رویکرد طراحی و نمایش محتوای آموزشی پیروی می‌کند؛ جزئیات ظاهری و امکانات قابل مشاهده ممکن است متناسب با نوع دوره و بخش مورد استفاده متفاوت باشد.
تگ‌ها: Advanced Data Manipulation Data Analysis Data manipulation Data Science Data Wrangling Phil Spector R Tidyverse آموزش R تحلیل داده تکنیک‌های پیشرفته دستکاری داده دوره R علوم داده فیل اسپکتور

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.