پردازش زبان طبیعی برای کلمات مانند بینایی کامپیوتری برای تصاویر است. در این دوره، Mark Niemann-Ross متخصص فن آوری به شما کمک می کند تا یادگیری NLP را با زبان برنامه نویسی R آغاز کنید. Mark به شما نشان می دهد که چگونه از زبان برنامه نویسی R برای پیاده سازی الگوریتم های پردازش زبان طبیعی استفاده کنید. R به طور منحصر به فردی در دستکاری ماتریس ها و تولید آمار، که هر دو هسته اصلی NLP هستند، مهارت دارد. علامت گذاری کنید تا با استفاده از Quanteda، یک چارچوب متن کاوی جایگزین، قدم بردارید و به شما کمک می کند بفهمید که corpora چیست و چگونه می توانید آنها را ایجاد، اصلاح و استفاده کنید. او توکن ها و ماتریس سند-ویژگی (DFM) را توضیح می دهد. به علاوه، مارک تجزیه و تحلیل و تجسم را از طریق بسته quanteda textstat، بسته احساسی، textplot و dplyr بررسی می‌کند.

این دوره توسط Mark Niemann-Ross ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

تلاش برای مکان یابی معنا و جهت در داده های بزرگ دشوار است. R می تواند به شما کمک کند راه خود را پیدا کنید. R یک زبان برنامه نویسی آماری برای تجزیه و تحلیل و تجسم روابط بین مقادیر زیادی داده است. این یکی از مهمترین ابزارهای موجود برای تجزیه و تحلیل داده، یادگیری ماشین و علم داده است. این مجموعه آموزشی معرفی کاملی از R، همراه با دستورالعمل های دقیق برای کار با R و RStudio و مثال های عملی، از گرافیک اکتشافی گرفته تا شبکه های عصبی ارائه می دهد. در بخش دوم، مدلینگ داده ها، مربی بارتون پولسون نحوه محاسبه آمار، تجزیه و تحلیل داده ها، پیش بینی نتایج، و گروه بندی و طبقه بندی موارد را نشان می دهد. اینها تکنیک های اساسی هستند که برای ایجاد بینش معنادار برای سازمان خود به آنها نیاز دارید.

تلاش برای مکان یابی معنا و جهت در داده های بزرگ دشوار است. R می تواند به شما کمک کند راه خود را پیدا کنید. R یک زبان برنامه نویسی آماری برای تجزیه و تحلیل و تجسم روابط بین مقادیر زیادی داده است. این مجموعه آموزشی معرفی کاملی از R، همراه با دستورالعمل‌های دقیق برای نصب و پیمایش R و RStudio و نمونه‌های عملی، از گرافیک اکتشافی گرفته تا شبکه‌های عصبی، ارائه می‌کند. در بخش اول، مربی بارتون پولسون نشان می‌دهد که چگونه می‌توان بسته‌های R و R محبوب را راه‌اندازی کرد و شروع به وارد کردن، تمیز کردن و تبدیل داده‌ها برای تجزیه و تحلیل کرد. او همچنین نشان می دهد که چگونه می توان تجسم هایی مانند نمودارهای میله ای، هیستوگرام ها و نمودارهای پراکنده ایجاد کرد و داده های طبقه بندی، کیفی و پرت را تغییر داد تا بهترین پاسخگویی به سؤالات پژوهشی و الزامات الگوریتم های شما باشد.

برنامه نویسی در بیت های کوچک آموخته می شود. شما بر اساس مفاهیم اساسی بنا می کنید. شما دانشی را که از قبل دارید به زبان بعدی منتقل می کنید. Lunch Break Lessons R - یکی از محبوب‌ترین زبان‌های برنامه‌نویسی برای تجزیه و تحلیل داده‌ها و گزارش‌دهی - را در درس‌های کوتاهی که برنامه‌نویسان موجود قبلاً می‌دانند، آموزش می‌دهد.\r\n\r\n اصول زبان را مرور کنید، روش‌هایی را برای بهبود کد R موجود کشف کنید، ویژگی‌های جدید و جالب را کشف کنید، و با ابزارها و کتابخانه‌های توسعه مفیدی آشنا شوید که زمان برنامه‌نویسی با R را بسیار مفیدتر می‌کنند.\r\n\r\n

Tableau به تنهایی ابزار قدرتمندی است که به متخصصان کمک می کند تا داده های موجود در دستان خود را تجزیه و تحلیل، نمایش و به طور کلی درک کنند. با افزودن R - یک زبان رایگان و منبع باز برای علم داده - می توانید بینش های بیشتری از داده های خود بدست آورید. در این دوره آموزشی، یاد بگیرید که چگونه نقاط قوت تحلیلی R را با قدرت تجسم Tableau ترکیب کنید تا داده ها را به طور موثرتری تجزیه و تحلیل و ارائه دهید. مربی کرت فرای نحوه نصب R و RServe را نشان می دهد. ایجاد ارتباط بین Tableau و R. انجام چندین نوع تحلیل در R، از رگرسیون خطی تا شناسایی خوشه. و آن تحلیل ها را در تجسم های Tableau بگنجانید.

 در این دوره آموزشی، نحوه تنظیم گردش کار در GitHub Actions را برای خودکارسازی فرآیندها با R و Python یاد بگیرید. مربی Rami Krispin شما را از طریق فرآیند اتوماسیون راهنمایی می کند و نمونه هایی از دنیای واقعی را به اشتراک می گذارد. او به شما نشان می‌دهد که چگونه یک خط لوله داده راه‌اندازی کنید، ابرداده را از یک خط لوله بیرون بکشید و یک داشبورد زنده را با اقدامات و صفحات GitHub اجرا کنید. اگر از صرف ساعت‌ها صرف اجرای دستی اسکریپت‌ها یا کاهش سرعت گردش کار خود با کشیدن داده‌ها از API یا به‌روزرسانی داشبورد خسته شده‌اید، در این دوره آموزشی به Rami بپیوندید تا ببینید اتوماسیون چگونه می‌تواند سرعت کار شما را افزایش دهد.

 در این دوره با مشاور علم داده مگان سیلوی، دانش و مهارت خود را با R گسترش دهید. مگان یک پروژه عملی با استفاده از R برای تجزیه و تحلیل داده های فروش و کار بر روی سناریوی واقعی ارائه می دهد که بر انجام تجزیه و تحلیل داده ها برای مشتریان یک شرکت فناوری سازمانی تمرکز دارد. با استفاده از تکنیک‌های تجزیه و تحلیل داده‌ها و یادگیری ماشین، از جمله طبقه‌بندی و خوشه‌بندی، برای تجزیه و تحلیل داده‌هایی که شامل اطلاعات سفارش‌ها، کارکنان فروش، مشتریان، محصولات خریداری‌شده و وضعیت پرداخت مشتری است، تجربه کسب کنید. در این دوره آموزشی به مگان بپیوندید تا دانش و مهارت هایی را کسب کنید تا حرفه داده خود را به سطح بالاتری ببرید.

 اگر نیاز به کسب اطلاعات بیشتر در مورد ایجاد نقشه با R دارید، این دوره آموزشی مناسب برای مبتدیان یک گردش کار نقشه برداری پایان به انتها را معرفی می کند و به شما نشان می دهد که چگونه داده های خود را مستقیماً از اکسل وارد کنید تا نقشه های ایستا و تعاملی ایجاد کنید. مربی چارلی جوی هدلی اصول نقشه برداری را توضیح می دهد، مانند نشانگرهای جغرافیایی، نمودارهای پراکندگی، نقشه های هگزبین، کارتوگرام ها و موارد دیگر. چارلی شما را در پردازش داده‌های GIS از Excel و کار با فرمت‌های داده‌های GIS مانند شطرنجی، برداری، sf و sp راهنمایی می‌کند. او نحوه ایجاد، برچسب‌گذاری و تبدیل نقشه‌های ایستا را با ggplot2 نشان می‌دهد، سپس با استفاده از Leaflet، یک بسته ویجت HTML برای ایجاد نقشه‌های تعاملی با R. به علاوه، چارلی نقشه‌های پایه و کاشی‌ها، پیش‌بینی‌ها را پوشش می‌دهد و نقشه‌های تعاملی و آماده برای موبایل ایجاد می‌کند. سیستم مرجع مختصات (CRS) و موارد دیگر.

در یک دنیای کامل، هر مجموعه داده به عنوان متن XML با زمینه برای هر قطعه اطلاعات ذخیره می شود. اعداد هرگز به عنوان رشته ذخیره نمی شوند. مقادیر اعشاری هرگز به عنوان نماد علمی ذخیره نمی شوند. رشته ها هرگز بیشتر از 500 کاراکتر نخواهند بود. اما بدیهی است که ما در دنیای کاملی از داده ها زندگی نمی کنیم. و داده های بزرگ فقط این موضوع را بزرگتر می کند. این مشکل تنوع است. داده ها در قالب های مختلف می رسند. دانشمندان داده زمان زیادی را برای این مشکل صرف می کنند و از نیروی مغزی استفاده می کنند که بهتر است برای کارهای تجزیه و تحلیل ارزشمند صرف شود. در این دوره، Mark Niemann-Ross مسئله تنوع داده ها را معرفی می کند و نحوه استفاده از قابلیت های منحصر به فرد R را برای حل آنها نشان می دهد. با نحوه وارد کردن طیف گسترده ای از داده ها، از Excel گرفته تا فایل های ODS آشنا شوید.

 آیا شما یک برنامه نویس R هستید که به دنبال ارتقای دانش R tidyverse خود به سطح بعدی هستید؟ در این دوره، Megan Silvey قصد دارد به برنامه نویسان R درک کلی بهتری از R tidyverse و نحوه استفاده از بسته های آن ارائه دهد. مگان از نمونه های عملی و واقعی استفاده می کند که مفاهیمی را به نمایش می گذارد که می توانید در کار خود از آنها استفاده کنید. مگان با استفاده از مجموعه داده‌ای از داده‌های فروش، مشتری و محصول KinetEco به شما نشان می‌دهد که چگونه می‌توانید از بسته‌های R tidyverse برای بارگیری، تمیز کردن، تجزیه و تحلیل و تجسم این داده‌ها به شیوه‌ای کارآمد با این بسته‌ها استفاده کنید.

یکپارچگی داده ها نقطه کانونی جدید انقلاب علم داده است. اکنون که همه با نقش داده ها در زندگی و تجارت مردم آشنا هستند، این سوال غیرمنصفانه نیست که بپرسیم: "آیا می توانید ثابت کنید که داده های خود دقیق هستند؟" در این دوره آموزشی، می‌توانید یاد بگیرید که چگونه بسیاری از مسائل مربوط به یکپارچگی داده‌ها را که دانشمندان داده مدرن با آن مواجه هستند، با استفاده از R و the tidyverse شناسایی و به آنها رسیدگی کنید. نحوه مدیریت مقادیر از دست رفته و داده های تکراری را کشف کنید. نحوه تبدیل داده ها بین واحدهای مختلف و مقابله با متن های با فرمت ضعیف را بیاموزید. به‌علاوه، یاد بگیرید چگونه نقاط پرت را شناسایی کنید، به مشکلات ساختاری رسیدگی کنید، و پرچم‌های قرمزی را که نشان‌دهنده مشکلات بالقوه کیفیت داده‌ها هستند، شناسایی کنید.

rnrn

تحلیل رفتار و ریسک با استفاده از R، نرم افزار محاسبات آماری منبع باز. R محیط و زبانی را فراهم می کند که می توانید از آن برای تجزیه و تحلیل داده ها استفاده کنید، از جمله مجموعه داده های نظارت بر عوامل خطر رفتاری (BRFSS) که به صورت عمومی در دسترس است. این دوره مهارت های اصلی علوم داده مراقبت های بهداشتی، از جمله اپیدمیولوژی، و همچنین نحوه انجام تجزیه و تحلیل مقطعی، راه اندازی فرهنگ لغت داده، توسعه ابرداده، تعیین عوامل مخدوش کننده، اعمال استثناها، ایجاد نمودارها، تولید متغیرهای پیامد مستمر و طبقه بندی شده و بیشتر. علم برای ویرایش، تجزیه و تحلیل و تفسیر داده ها. یاد بگیرید که چگونه متغیرهای جدید را کدنویسی کنید، از فرآیند مدلسازی گام به گام استفاده کنید و تصمیمات خود را مستند کنید. بیاموزید که چگونه نتایج را با تولید نمودارها و گرافیک ها تجسم کنید و چگونه جداول و شکل ها را به اسناد خود اضافه کنید. این دوره به شما کمک می کند تا به طور مستقل یک تجزیه و تحلیل کامل BRFSS را طراحی، توسعه و اجرا کنید و حتی نتایج خود را در نشریات یا مجلات علمی منتشر کنید.

با توجه به اینکه مشاغل باید با حجم فزاینده داده دست و پنجه نرم کنند، نیاز به کاهش داده ها در سال های اخیر تشدید شده است. برای درک فراوانی بیش از حد اطلاعات، می‌توانید از تحلیل خوشه‌ای استفاده کنید - که به شما امکان می‌دهد در مورد تعداد انگشت شماری از گروه‌ها به جای یک جمعیت کامل از افراد استنباط ایجاد کنید - و همچنین از تجزیه و تحلیل مؤلفه‌های اصلی که متغیرهای پنهان را آشکار می‌کند.\r\n\r\n سپس او توضیح می‌دهد که چگونه می‌توان همان تحلیل را با استفاده از R، نرم‌افزار محاسباتی آماری منبع باز، که از نظر گزینه‌های تجزیه و تحلیل سریع‌تر و غنی‌تر از Excel است، انجام داد. به علاوه، او نحوه ادغام نتایج تجزیه و تحلیل خوشه‌ای و تحلیل عاملی را توضیح می‌دهد تا به شما کمک کند تا چند عامل اساسی را بر اساس عضویت افراد تنها در چند خوشه تجزیه کنید.

 آیا می خواهید مهارت های مهندسی داده R خود را آزمایش کرده و توسعه دهید؟ به مربی مارک نیمن راس در این دوره چالش های کد بپیوندید زیرا او چالش های کوتاه و کوچکی را ارائه می دهد که می توانید برای تمرین برنامه نویسی R از آنها استفاده کنید. هر ویدیو کمتر از چهار دقیقه و مستقل است، بنابراین می‌توانید به هر ترتیبی ویدیوها را تماشا کنید. مارک راه حل های خود را برای هر مشکلی به اشتراک می گذارد، که اکثر آنها کمتر از 10 خط کد دارند. چه برنامه نویس جدیدی باشید که به دنبال تمرین است، یا یک توسعه دهنده با تجربه که می خواهد روی برخی چالش ها کار کند، این دوره کوتاه به شما فرصتی می دهد تا مهارت های خود را تقویت کنید.

داده های مرتب یک فرمت داده ای است که یک روش استاندارد برای سازماندهی مقادیر داده در یک مجموعه داده ارائه می دهد. با استفاده از اصول داده‌های مرتب، آماردانان، تحلیلگران و دانشمندان داده می‌توانند زمان کمتری را برای تمیز کردن داده‌ها و زمان بیشتری را برای رسیدگی به جنبه‌های قانع‌کننده‌تر تحلیل داده‌ها صرف کنند. در این دوره آموزشی، با اصول داده های مرتب آشنا شوید و نحوه ایجاد و دستکاری تیبل های داده را بیاموزید - تبدیل آنها از داده های منبع به قالب های مرتب. مربی مایک چاپل از زبان برنامه نویسی R و بسته های tidyverse برای آموزش مفهوم جدال داده ها استفاده می کند - کارهای پاکسازی داده و تبدیل داده ها که بخش قابل توجهی از زمان تحلیلگران را مصرف می کند. او سه مطالعه موردی عملی را به پایان می‌رساند که به تقویت اصول و تاکتیک‌های جدال داده‌ها که در این دوره پوشش داده شده است کمک می‌کند.

 آیا می خواهید مهارت های مهندسی داده R خود را آزمایش کرده و توسعه دهید؟ به مربی مارک نیمن راس در این دوره چالش های کد بپیوندید زیرا او چالش های کوتاه و کوچکی را ارائه می دهد که می توانید برای تمرین برنامه نویسی R از آنها استفاده کنید. هر ویدیو کمتر از چهار دقیقه و مستقل است، بنابراین می‌توانید به هر ترتیبی ویدیوها را تماشا کنید. مارک راه حل های خود را برای هر مشکلی به اشتراک می گذارد، که اکثر آنها کمتر از 10 خط کد دارند. چه یک برنامه نویس جدید باشید که به دنبال تمرین هستید، یا یک توسعه دهنده با تجربه که می خواهد روی برخی چالش ها کار کند، این دوره کوتاه به شما فرصتی می دهد تا مهارت های خود را تقویت کنید.

 

پردازش زبان طبیعی برای کلمات مانند دید کامپیوتری برای تصاویر است! NLP را با زبان برنامه نویسی R یاد بگیرید. در این دوره، مارک نیمن راس، فن‌شناس با تجربه به شما نشان می‌دهد که چگونه از زبان برنامه‌نویسی R برای پیاده‌سازی الگوریتم‌های پردازش زبان طبیعی استفاده کنید. R به طور منحصر به فردی در دستکاری ماتریس ها و تولید آمار، که هر دو هسته اصلی NLP هستند، مهارت دارد. در مورد چارچوب هایی که می توانید با NLP استفاده کنید و همچنین اهمیت corpora و منابع بیاموزید. نحوه کار با فراداده NLP و پیش پردازش متن در آماده سازی برای NLP را بیاموزید. ایجاد داده های ساختاریافته، اعمال آمار در متن، و انجام تجزیه و تحلیل احساسات را کاوش کنید و سپس در تجسم NLP غوطه ور شوید. راه هایی برای استفاده از متن دقیق و کوانتدا R برای NLP کشف کنید. درک خود را از بدنه ها، نشانه ها و ماتریس ویژگی سند (DFM) ایجاد کنید. به علاوه، به تحلیل و تجسم بپردازید.

این دوره توسط Mark Niemann-Ross ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

 تلاش برای مکان یابی معنا و جهت در داده های بزرگ دشوار است. R می تواند به شما کمک کند راه خود را پیدا کنید. R یک زبان برنامه نویسی آماری برای تجزیه و تحلیل و تجسم روابط بین مقادیر زیادی داده است. این دوره با متخصص تجزیه و تحلیل داده ها، بارتون پولسون، مقدمه ای کامل با R، همراه با دستورالعمل های دقیق برای نصب و پیمایش R و RStudio و مثال های عملی، از گرافیک اکتشافی گرفته تا شبکه های عصبی، ارائه می دهد. بارتون نشان می دهد که چگونه می توان بسته های R و R محبوب را راه اندازی کرد و شروع به وارد کردن، تمیز کردن و تبدیل داده ها برای تجزیه و تحلیل کرد. او همچنین نشان می دهد که چگونه می توان تجسم هایی مانند نمودارهای میله ای، هیستوگرام ها و نمودارهای پراکنده ایجاد کرد و داده های طبقه بندی، کیفی و پرت را تغییر داد تا بهترین پاسخگویی به سؤالات تحقیق شما و الزامات الگوریتم های شما باشد.

برنامه نویسان موفق بیشتر از نحوه کدنویسی می دانند. آنها همچنین می دانند که چگونه به حل مشکلات فکر کنند. Code Clinic مجموعه‌ای از دوره‌هایی است که در آن مربیان ما با استفاده از زبان‌های برنامه‌نویسی مختلف مشکلات مشابهی را حل می‌کنند. در اینجا، Mark Niemann-Ross با R کار می کند. در طول دوره، مارک چالش ها را معرفی می کند و سپس یک نمای کلی از راه حل های خود را در R ارائه می دهد. چالش ها شامل موضوعاتی مانند تجزیه و تحلیل آماری و دسترسی به دستگاه های جانبی است. از دوره‌های دیگر این مجموعه دیدن کنید تا ببینید چگونه می‌توانید چالش‌های مشابه را در زبان‌هایی مانند C++، C#، JavaScript، PHP، Python، Ruby، Go و Swift حل کنید.

علم داده در پیچیدگی و تقاضا با سرعت تصاعدی به رشد خود ادامه می دهد. داده کاوی حوزه ای از علم داده است که بر یافتن الگوهای عملی در مجموعه داده های بزرگ و متنوع تمرکز می کند: خوشه هایی از مشتریان مشابه، روندهایی در طول زمان که تنها پس از تفکیک اثرات فصلی و تصادفی قابل مشاهده هستند، و روش های جدید برای پیش بینی نتایج مهم. مربی بارتون پولسون بر روی داده کاوی در R تمرکز می کند، طیف گسترده ای از الگوریتم ها از جمله روش های یادگیری ماشین را ارائه می دهد و اطلاعات مهمی در مورد قوانین و سیاست هایی که بر داده کاوی تأثیر می گذارد ارائه می دهد. بارتون یک نمای کلی از کاهش ابعاد ارائه می دهد. او خوشه‌بندی را معرفی می‌کند، از جمله خوشه‌بندی سلسله مراتبی، سپس وارد تحلیل تداعی می‌شود. او استخراج و تجزیه سری های زمانی را توضیح می دهد، سپس با متن کاوی، تجزیه و تحلیل احساسات و امتیازدهی احساسات به پایان می رسد.