فلش‌کارت‌های آموزشی 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 Data Wrangling حرفه‌ای با R: راهنمای جامع دستکاری داده‌ها با کتاب فیل اسپکتور مسلط شوید بر هنر دستکاری داده‌ها با R و تبدی...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 99,988 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: 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

  • 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
SMART LEARNING PLATFORM
از مطالعه تا یادگیری ماندگار
فراتر از یک مجموعه فلش‌کارت؛ تجربه‌ای تعاملی برای یادگیری، تمرین، مرور هوشمند و مشاهده مسیر پیشرفت شما، همراه با امکان دریافت گواهی پایان دوره در دوره‌های واجد شرایط.
مرور فاصله‌دار آمار یادگیری گواهی دوزبانه
یادگیری را به یک مسیر قابل پیگیری تبدیل کنید
با ورود به سامانه آموزشی، محتوای دوره را به‌صورت مرحله‌ای دنبال کنید، فلش‌کارت‌ها را مرور کنید، دانش خود را با پرسش‌ها و آزمون‌ها بسنجید و روند پیشرفتتان را در طول مسیر ببینید.
⟳
مرور فاصله‌دار هوشمند
با مرور زمان‌دار، کارت‌های تازه و کارت‌های سررسیدشده را بر اساس برنامه مرور دنبال کنید. ارزیابی پاسخ‌ها به زمان‌بندی مرورهای بعدی کمک می‌کند تا تمرین متناسب‌تری داشته باشید.
◉
مشاهده مسیر پیشرفت
میزان مشاهده فلش‌کارت‌ها، فعالیت‌های مرور، عملکرد آزمون‌ها و آمار یادگیری را بررسی کنید و تصویر روشن‌تری از مسیر آموزشی خود داشته باشید.
▤
یادگیری مرحله‌به‌مرحله
فصل‌ها و بخش‌های آموزشی را به ترتیب دنبال کنید، مطالب دیده‌نشده را پیدا کنید و بدون سردرگمی به ادامه مسیر برگردید.
✓
تمرین و سنجش آموخته‌ها
با نکته‌های آموزشی، پرسش و پاسخ، کوییزها و آزمون‌های پایان فصل، دانسته‌های خود را تمرین کنید و بخش‌هایی را که به توجه بیشتری نیاز دارند بشناسید.
SMART REVIEW
هر بار، مرور هدفمندتر
لازم نیست هر روز از ابتدا درباره اینکه چه چیزی را مرور کنید تصمیم بگیرید. سامانه، صف مرور روزانه را بر اساس کارت‌های تازه و موعد مرور کارت‌ها آماده می‌کند. شما پاسخ را ارزیابی می‌کنید و برنامه مرور با توجه به آن تنظیم می‌شود.
دوباره
برای کارت‌هایی که به تمرین زودتر نیاز دارند.
سخت
برای پاسخ‌هایی که با دشواری به یاد آمده‌اند.
خوب
برای پاسخ‌هایی که به‌درستی به یاد آورده‌اید.
آسان
برای کارت‌هایی که پاسخ آن‌ها را به‌آسانی می‌دانید.
برنامه مرور بر اساس ارزیابی شما تنظیم می‌شود؛ مرور منظم می‌تواند به تثبیت آموخته‌ها کمک کند، اما به‌تنهایی تضمین‌کننده تسلط کامل نیست.
محتوا را به شیوه‌های مختلف تمرین کنید
ساختار دوره‌ها متناسب با موضوع آموزشی طراحی شده است و ممکن است انواع مختلفی از محتوا را در بر بگیرد.
نکته‌های ساده
برای مرور سریع مفاهیم اصلی و نکات کلیدی.
نکته‌های رسمی
برای تمرین تعاریف، اصطلاحات و بیان دقیق علمی.
کوییز
برای سنجش درک مطلب و بررسی گزینه صحیح.
پرسش و پاسخ
برای تمرین یادآوری و سنجش میزان تسلط بر مطالب.
محتوای هر دوره بر اساس ساختار و امکانات فعال همان دوره ارائه می‌شود.
LEARN ANYWHERE
همراه شما روی مرورگر
برای استفاده از نسخه تحت وب، کافی است با حساب کاربری خود وارد سامانه شوید. بدون نیاز به نصب یک برنامه اختصاصی، می‌توانید از مرورگر سازگار روی گوشی، تبلت یا رایانه به دوره‌های در دسترس خود مراجعه کنید.
گوشی هوشمند
برای مطالعه در زمان‌های کوتاه
تبلت و لپ‌تاپ
برای مطالعه و مرور راحت‌تر
حساب کاربری شخصی
برای دسترسی به دوره‌های مجاز شما
COURSE COMPLETION CERTIFICATE
گواهی پایان دوره؛ ثبت دستاورد شما
در دوره‌هایی که امکان دریافت گواهی برای آن‌ها فعال است، می‌توانید پس از تکمیل شرایط آموزشی، درخواست گواهی پایان دوره ثبت کنید.
شرایط درخواست گواهی
✓ داشتن دسترسی دارای قابلیت گواهی برای دوره مربوطه.
✓ تکمیل اطلاعات لازم در پروفایل، شامل کد ملی معتبر، عکس پرسنلی و نام و نام خانوادگی انگلیسی.
✓ مشاهده تمام فلش‌کارت‌های فعال دوره.
✓ قبولی در آزمون‌های پایان فصل، در صورت وجود آزمون برای فصل‌ها.
فارسی و انگلیسی
پس از تأیید و انتشار، نسخه‌های فارسی و انگلیسی گواهی در دسترس قرار می‌گیرند.
استعلام آنلاین
گواهی منتشرشده دارای QR Code و لینک اختصاصی برای بررسی آنلاین اعتبار آن است.
دانلود و چاپ
پس از انتشار گواهی، امکان دریافت نسخه PDF فارسی و انگلیسی و چاپ آن فراهم است.
توجه: ثبت درخواست به معنای صدور قطعی نیست. درخواست گواهی پس از بررسی و تأیید ادمین منتشر می‌شود. این گواهی، گواهی پایان دوره آموزشی است و به‌خودی‌خود معادل مدرک دانشگاهی یا مدرک رسمی مورد تأیید نهادهای دولتی نیست.
یادگیری را شروع کنید؛ پیشرفت را دنبال کنید
با تمرین منظم، مرور هدفمند و پیگیری مسیر آموزشی خود، قدم‌به‌قدم دانش و مهارت‌هایتان را گسترش دهید.
هر کارت، یک قدم به جلو
امکانات محتوایی، مرور و گواهی بر اساس سطح دسترسی و تنظیمات هر دوره متفاوت است.
نگاهی به محیط سامانه

یادگیری هوشمند، قدم‌به‌قدم

با محیط سامانه آموزشی آشنا شوید و نمونه‌هایی از فضای یادگیری، فلش‌کارت‌ها و ابزارهای مرور و تمرین را مشاهده کنید.

تصویر نمونه اول از سامانه آموزشی و فلش‌کارت‌ها
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه دوم از سامانه آموزشی و فلش‌کارت‌ها
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه سوم از سامانه آموزشی و فلش‌کارت‌ها
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه چهارم از سامانه آموزشی و فلش‌کارت‌ها
امکانات بیشتر سامانه
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید

یادگیری فراتر از مطالعه معمولی
با فلش‌کارت‌های آموزشی، مرور هدفمند و تمرین مستمر، مطالب را فعالانه یاد بگیرید و مسیر پیشرفت خود را دنبال کنید.

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.