اکسپرس 24
کتاب ساماندهی و پاکسازی داده‌های نامرتب با R و بسته‌های Tidyverse

کتاب ساماندهی و پاکسازی داده‌های نامرتب با R و بسته‌های Tidyverse

تگ‌ها: R tidyverse tidyr پاکسازی داده پردازش داده تحلیل داده داده های نامرتب علم داده مرتب سازی داده

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساماندهی و پاکسازی داده‌های نامرتب با R و بسته‌های Tidyverse

موضوع کلی: علوم کامپیوتر و تحلیل داده

موضوع میانی: پردازش و پاکسازی داده‌ها

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر ساماندهی داده‌ها در R
  • 2. نصب و راه‌اندازی بسته‌های Tidyverse
  • 3. آشنایی با مفهوم داده‌های نامرتب
  • 4. شناسایی انواع داده‌های نامرتب
  • 5. ساختاردهی مجدد داده‌ها با تابع `pivot_longer`
  • 6. گسترش داده‌ها با تابع `pivot_wider`
  • 7. پاکسازی مقادیر گمشده (NA)
  • 8. جایگزینی مقادیر گمشده
  • 9. درون‌یابی مقادیر گمشده
  • 10. حذف مقادیر گمشده
  • 11. استانداردسازی نام ستون‌ها
  • 12. رفع ناسازگاری در نام ستون‌ها
  • 13. تبدیل انواع داده (Type Conversion)
  • 14. تبدیل رشته به عدد
  • 15. تبدیل رشته به تاریخ
  • 16. تبدیل عدد به رشته
  • 17. پاکسازی مقادیر تکراری
  • 18. شناسایی رکوردهای تکراری
  • 19. حذف رکوردهای تکراری
  • 20. مدیریت داده‌های متنی
  • 21. تقسیم رشته‌ها
  • 22. ادغام رشته‌ها
  • 23. استخراج زیررشته‌ها
  • 24. اعمال توابع بر روی ستون‌ها
  • 25. تابع `mutate` برای ایجاد ستون جدید
  • 26. تابع `transmute` برای ایجاد و نگهداری ستون‌های جدید
  • 27. فیلتر کردن داده‌ها
  • 28. انتخاب ستون‌های مورد نیاز
  • 29. مرتب‌سازی داده‌ها
  • 30. توابع کاربردی برای پاکسازی داده
  • 31. استفاده از عبارات منظم (Regular Expressions)
  • 32. پاکسازی داده‌های عددی
  • 33. مدیریت داده‌های تاریخ و زمان
  • 34. تبدیل فرمت تاریخ
  • 35. استخراج اجزای تاریخ
  • 36. محاسبه اختلاف زمانی
  • 37. کار با داده‌های طبقه‌بندی شده (Factor)
  • 38. تبدیل متغیرهای متنی به فاکتور
  • 39. مرتب‌سازی فاکتورها
  • 40. ترکیب سطوح فاکتور
  • 41. تجمیع داده‌ها
  • 42. گروه‌بندی داده‌ها با `group_by`
  • 43. خلاصه‌سازی داده‌ها با `summarise`
  • 44. محاسبه میانگین، میانه و انحراف معیار
  • 45. شمارش داده‌ها
  • 46. ترکیب داده‌ها از منابع مختلف
  • 47. ادغام داده‌ها (Binding)
  • 48. الحاق سطری داده‌ها
  • 49. الحاق ستونی داده‌ها
  • 50. کار با داده‌های نامنظم (Unstructured Data)
  • 51. پاکسازی داده‌های متنی پیچیده
  • 52. استخراج اطلاعات از متن
  • 53. استفاده از بسته‌های کمکی برای پاکسازی
  • 54. بسته `stringr` برای کار با رشته‌ها
  • 55. بسته `lubridate` برای کار با تاریخ
  • 56. بسته `forcats` برای کار با فاکتورها
  • 57. کار با داده‌های ساختار یافته JSON
  • 58. تبدیل JSON به دیتافریم
  • 59. پاکسازی داده‌های JSON
  • 60. کار با داده‌های ساختار یافته XML
  • 61. تبدیل XML به دیتافریم
  • 62. پاکسازی داده‌های XML
  • 63. استفاده از `dplyr` برای دستکاری داده‌ها
  • 64. انتخاب و فیلتر کردن داده‌ها
  • 65. تغییر نام ستون‌ها
  • 66. ایجاد ستون‌های جدید
  • 67. تغییر ترتیب ستون‌ها
  • 68. مرتب‌سازی داده‌ها
  • 69. استفاده از `tidyr` برای تغییر شکل داده‌ها
  • 70. تبدیل از فرمت عریض به بلند
  • 71. تبدیل از فرمت بلند به عریض
  • 72. مدیریت مقادیر گمشده
  • 73. پاکسازی داده‌های نامرتب در حالت‌های خاص
  • 74. داده‌های با سطرهای خالی
  • 75. داده‌های با ستون‌های خالی
  • 76. داده‌های با مقادیر نامفهوم
  • 77. کار با داده‌های بزرگ
  • 78. بهینه‌سازی فرآیند پاکسازی
  • 79. تکنیک‌های پیشرفته پاکسازی داده
  • 80. اعتبارسنجی داده‌ها
  • 81. بررسی سازگاری داده‌ها
  • 82. مستندسازی فرآیند پاکسازی
  • 83. نوشتن گزارش پاکسازی داده
  • 84. نمایش بصری داده‌های نامرتب
  • 85. نمودارهای اولیه برای شناسایی مشکلات
  • 86. اصول پاکسازی داده در پروژه‌های واقعی
  • 87. مدیریت خطا در فرآیند پاکسازی
  • 88. بررسی مجدد داده‌های پاکسازی شده
  • 89. خلاصه و جمع‌بندی مباحث
  • 90. کاربردهای پاکسازی داده در تحلیل داده
  • 91. جمع‌بندی توابع کلیدی `tidyr`
  • 92. جمع‌بندی توابع کلیدی `dplyr`
  • 93. اهمیت کیفیت داده در تحلیل
  • 94. ملاحظات اخلاقی در پاکسازی داده
  • 95. حفظ حریم خصوصی داده‌ها
  • 96. تطابق با قوانین و مقررات داخلی
  • 97. مدیریت داده‌های حساس
  • 98. پاکسازی داده‌های آماری
  • 99. پاکسازی داده‌های اقتصادی
  • 100. پاکسازی داده‌های علمی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.