کتاب صوتی 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: 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

EXPRESS24 AUDIO EXPERIENCE
یادگیری را بشنوید؛ زندگی کنید
کتاب‌های صوتی و پادکست‌های آموزشی، راهی دلنشین برای کشف ایده‌های تازه، گسترش دانش و استفاده بهتر از لحظه‌های روزمره هستند.
دانش، الهام و تجربه؛ این بار با صدای زندگی
برای آموختن، همیشه لازم نیست بخوانید
گاهی بهترین فرصت یادگیری زمانی است که در مسیر رفت‌وآمد هستید، قدم می‌زنید، استراحت می‌کنید یا کارهای روزمره‌تان را انجام می‌دهید. محتوای صوتی کمک می‌کند از این لحظه‌ها برای شنیدن، اندیشیدن و آشنایی با موضوعات تازه بهره ببرید.
◷
یادگیری در دل روزمرگی
از زمان رفت‌وآمد، پیاده‌روی یا استراحت برای شنیدن محتوای مفید استفاده کنید؛ بدون آنکه همیشه به کتاب چاپی یا صفحه نمایش نیاز داشته باشید.
◎
تجربه‌ای شنیداری و دلنشین
با روایت صوتی، توضیحات گفتاری و فضای شنیداری هر محتوا همراه شوید و متناسب با سلیقه خود، شیوه تازه‌ای برای دریافت مطالب تجربه کنید.
✦
گسترش دانش و دیدگاه
با موضوعات متنوع آشنا شوید، ایده‌های تازه کشف کنید و فرصت بیشتری برای یادگیری مستمر و پرورش کنجکاوی خود بسازید.
♫
همراه با سبک زندگی شما
محتوای صوتی را متناسب با برنامه روزانه خود انتخاب کنید و در زمان مناسب، شنیدن را به بخشی از عادت‌های شخصی‌تان تبدیل کنید.
کتاب صوتی یا پادکست؟
کتاب صوتی
راهی برای همراه شدن با محتوای یک کتاب از طریق شنیدن. بسته به اثر، می‌توانید داستان‌ها، آموزش‌ها، مفاهیم تخصصی یا مطالب کاربردی را در قالب روایت و بیان صوتی دنبال کنید.
مناسب برای شنیدن و مرور محتوای کتاب‌ها
پادکست آموزشی
فرصتی برای دنبال کردن موضوعات مشخص در قالب گفت‌وگو، روایت، توضیح آموزشی یا مجموعه‌ای از قسمت‌های صوتی؛ مناسب برای کشف ایده‌ها و آشنایی با دیدگاه‌های گوناگون.
مناسب برای یادگیری موضوعی و شنیدن دیدگاه‌های تازه
هر جا که هستید، شنیدن را آغاز کنید
با دستگاه مناسب خود، محتوای صوتی را به آسانی دنبال کنید.
▯
گوشی هوشمند
اندروید و آیفون
▣
تبلت
برای شنیدن و دنبال کردن محتوا
▤
رایانه و لپ‌تاپ
با پخش‌کننده صوتی سازگار
♫
هدفون و بلندگو
برای شنیدن متناسب با محیط
چطور از تجربه شنیدن بیشتر بهره ببریم؟
✦ زمان مناسبی برای شنیدن انتخاب کنید؛ زمانی که بتوانید با آرامش به محتوا توجه داشته باشید.
✦ برای مطالب آموزشی، نکته‌های مهم را یادداشت کنید یا پس از پایان شنیدن، آن‌ها را مرور کنید.
✦ اگر محتوا طولانی است، آن را در چند نوبت دنبال کنید تا فرصت بیشتری برای درک و مرور داشته باشید.
✦ هنگام رانندگی یا انجام کارهای نیازمند تمرکز، ایمنی را در اولویت قرار دهید و از شیوه شنیدنی استفاده کنید که حواس شما را مختل نکند.
هر شنیدن، فرصتی برای کشف است
با کتاب‌های صوتی و پادکست‌های آموزشی، دنیای تازه‌ای از ایده‌ها، روایت‌ها و آموختنی‌ها را به لحظه‌های خود اضافه کنید.
کشف محصولات بیشتر در اکسپرس ۲۴
express24.ir
امکانات پخش، ادامه شنیدن و دسترسی آفلاین به نوع فایل، دستگاه و نرم‌افزار مورد استفاده بستگی دارد.
AUDIO PREVIEW
قبل از انتخاب، گوش کنید!
بخشی از سبک محتوای محصولات صوتی ما را بشنوید و با فضای آن آشنا شوید.
♫
نمونه صوتی از سبک محصولات صوتی ما
پیش‌نمایش کوتاهی از سبک پادکست های صوتی محصولات ما
پخش آنلاین
برای تجربه بهتر، می‌توانید از هدفون استفاده 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.