اکسپرس 24
کتاب مهارت‌های پاکسازی و دستکاری داده‌ها با R برای تحلیلگران

کتاب مهارت‌های پاکسازی و دستکاری داده‌ها با R برای تحلیلگران

تگ‌ها: R data cleaning R data manipulation آماده سازی داده آمار پاکسازی داده تحلیل آماری تحلیل داده دستکاری داده علم 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 مهارت‌های پاکسازی و دستکاری داده‌ها با R برای تحلیلگران

موضوع کلی: تحلیل داده و علم داده

موضوع میانی: پاکسازی و آماده‌سازی داده‌ها

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علم داده و اهمیت پاکسازی داده
  • 2. نصب و راه‌اندازی محیط R و RStudio
  • 3. آشنایی با انواع داده‌ها در R
  • 4. ساختارهای داده‌ای پایه: بردارها و لیست‌ها
  • 5. ماتریس‌ها و آرایه‌ها در R
  • 6. کار با دیتافریم‌ها: ستون‌ها و ردیف‌ها
  • 7. مقدمه‌ای بر کتابخانه dplyr برای دستکاری داده
  • 8. انتخاب ستون‌ها با select()
  • 9. فیلتر کردن ردیف‌ها با filter()
  • 10. مرتب‌سازی داده‌ها با arrange()
  • 11. اضافه کردن ستون‌های جدید با mutate()
  • 12. خلاصه‌سازی داده‌ها با summarize()
  • 13. گروه‌بندی داده‌ها با group_by()
  • 14. ترکیب دیتافریم‌ها با bind_rows() و bind_cols()
  • 15. الحاق دیتافریم‌ها با join()
  • 16. انواع join: inner_join, left_join, right_join, full_join
  • 17. کار با داده‌های گمشده (NA)
  • 18. شناسایی داده‌های گمشده
  • 19. حذف داده‌های گمشده
  • 20. جایگزینی داده‌های گمشده با میانگین یا میانه
  • 21. کشف و مدیریت داده‌های پرت (Outliers)
  • 22. روش‌های آماری برای تشخیص داده‌های پرت
  • 23. تصویرسازی داده‌های پرت
  • 24. حذف یا تبدیل داده‌های پرت
  • 25. استانداردسازی و نرمال‌سازی داده‌ها
  • 26. روش‌های استانداردسازی (Z-score)
  • 27. روش‌های نرمال‌سازی (Min-Max)
  • 28. کار با داده‌های متنی
  • 29. پاکسازی رشته‌ها: حذف فضاهای خالی
  • 30. تبدیل حروف بزرگ و کوچک
  • 31. جستجو و جایگزینی در رشته‌ها
  • 32. تقسیم رشته‌ها به بخش‌های کوچکتر
  • 33. ترکیب رشته‌ها
  • 34. مدیریت انواع داده‌های تاریخ و زمان
  • 35. تبدیل رشته‌ها به فرمت تاریخ و زمان
  • 36. استخراج اجزای تاریخ و زمان
  • 37. محاسبات روی تاریخ و زمان
  • 38. کار با داده‌های تکراری
  • 39. شناسایی ردیف‌های تکراری
  • 40. حذف ردیف‌های تکراری
  • 41. کار با داده‌های ناسازگار
  • 42. استانداردسازی نام‌ها و دسته‌بندی‌ها
  • 43. مدیریت خطاهای املایی
  • 44. اعتبارسنجی داده‌ها
  • 45. تعریف قوانین اعتبارسنجی
  • 46. اجرای قوانین اعتبارسنجی
  • 47. گزارش‌دهی خطاهای اعتبارسنجی
  • 48. تصویرسازی برای درک بهتر داده‌ها
  • 49. نمودارهای پراکندگی (Scatter plots)
  • 50. نمودارهای میله‌ای (Bar plots)
  • 51. نمودارهای هیستوگرام (Histograms)
  • 52. نمودارهای جعبه‌ای (Box plots)
  • 53. نمودارهای خطی (Line plots)
  • 54. کار با کتابخانه ggplot2 برای تصویرسازی پیشرفته
  • 55. مقدمه‌ای بر مفاهیم پاکسازی داده در پروژه‌های واقعی
  • 56. مطالعه موردی ۱: پاکسازی داده‌های فروش
  • 57. مطالعه موردی ۲: آماده‌سازی داده‌های مشتریان
  • 58. مطالعه موردی ۳: پاکسازی داده‌های سنسور
  • 59. مقدمه‌ای بر کتابخانه‌های دیگر برای دستکاری داده
  • 60. کار با data.table
  • 61. کار با dplyr و tidyr در کنار هم
  • 62. انتقال داده‌ها بین فرمت‌های مختلف
  • 63. تبدیل داده‌ها از فرمت عریض به بلند (pivot_longer)
  • 64. تبدیل داده‌ها از فرمت بلند به عریض (pivot_wider)
  • 65. تکنیک‌های پیشرفته پاکسازی داده
  • 66. مدیریت داده‌های چند-مقیاسی
  • 67. کار با داده‌های شبکه‌ای
  • 68. مقدمه‌ای بر یادگیری ماشین و نیاز به داده پاک
  • 69. پاکسازی داده برای مدل‌های رگرسیون
  • 70. پاکسازی داده برای مدل‌های طبقه‌بندی
  • 71. پاکسازی داده برای مدل‌های خوشه‌بندی
  • 72. ارزیابی کیفیت داده‌ها
  • 73. متریک‌های کیفیت داده
  • 74. فرآیند بهبود کیفیت داده
  • 75. مستندسازی فرآیند پاکسازی داده
  • 76. اهمیت مستندسازی برای تکرارپذیری
  • 77. نوشتن اسکریپت‌های R برای پاکسازی داده
  • 78. بهینه‌سازی کد R برای سرعت و کارایی
  • 79. مقدمه‌ای بر ابزارهای اتوماسیون پاکسازی داده
  • 80. بررسی و تحلیل الگوهای داده
  • 81. کشف روابط پنهان در داده‌ها
  • 82. استفاده از R برای اکتشاف داده‌ها
  • 83. تکنیک‌های نمونه‌برداری از داده‌ها
  • 84. مدیریت داده‌های بزرگ (Big Data) با R
  • 85. مقدمه‌ای بر مفاهیم حریم خصوصی داده‌ها
  • 86. اصول حفاظت از داده‌ها در R
  • 87. قوانین و مقررات حفاظت از داده‌ها در ایران
  • 88. رعایت حدود شرعی در تحلیل داده
  • 89. پرهیز از ترویج موارد ممنوع
  • 90. ضمانت انطباق محتوای تحلیلی با قوانین
  • 91. ملاحظات اخلاقی در علم داده
  • 92. مسئولیت‌پذیری تحلیلگر داده
  • 93. جمع‌بندی و گام‌های بعدی در علم داده
  • 94. پروژه‌های عملی برای تمرین مهارت‌ها
  • 95. راهنمای منابع بیشتر برای یادگیری
  • 96. آینده علم داده و پاکسازی داده

📚 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.