آماده مصاحبه کاری هستید؟ شما ممکن است همه چیز را در مورد شرکت مورد نظر خود بدانید، اما آیا سوالات مصاحبه آماری کلاسیک R را تمرین کرده اید؟ اگر نه، ما شما را تحت پوشش قرار می دهیم. در این دوره، شما برای اغلب موضوعات آماری تحت پوشش از توزیع ها تا آزمون فرضیه ها، مدل های رگرسیون و بسیاری موارد دیگر آماده خواهید شد. مهارت های خود را با استفاده از مجموعه داده هایی از جمله داده های بیماری پارکینسون و قیمت بنزین تقویت خواهید کرد. این دوره عمداً چالش برانگیزتر از یک دوره معمولی DataCamp است تا اطمینان حاصل شود که وقتی نوبت به زمان مصاحبه می رسد، آماده هستید تا با اطمینان به هر سؤال مصاحبه آماری در R پاسخ دهید.

هنگام کار با داده هایی که دارای متغیرهای زیادی هستند، اغلب علاقه مندیم که رابطه بین این متغیرها را با استفاده از آمار چند متغیره مطالعه کنیم. در این دوره، روش هایی برای تجزیه و تحلیل این مجموعه داده ها را یاد خواهید گرفت. همچنین با توزیع‌های احتمال چند متغیره متداول، از جمله نرمال چند متغیره، چند متغیره-t و برخی توزیع‌های چوله چند متغیره آشنا خواهید شد. سپس با تکنیک‌هایی برای نمایش داده‌های با ابعاد بالا در ابعاد کمتر، از جمله تجزیه و تحلیل مؤلفه اصلی (PCA) و مقیاس‌گذاری چند بعدی (MDS) آشنا خواهید شد.

جبر خطی یکی از مهمترین مجموعه ابزارها در ریاضیات کاربردی و علوم داده است. در این دوره آموزشی، نحوه کار با بردارها و ماتریس ها، حل معادلات ماتریس-بردار، انجام تحلیل های مقدار ویژه/بردار ویژه و استفاده از تحلیل مؤلفه های اصلی برای کاهش ابعاد در مجموعه داده های دنیای واقعی را یاد خواهید گرفت. همه تجزیه و تحلیل ها در R، یکی از محبوب ترین زبان های برنامه نویسی جهان انجام می شود.

به‌عنوان یک دانشمند داده، اغلب متوجه می‌شوید که با داده‌های غیر عددی کار می‌کنید، مانند عناوین شغلی، پاسخ‌های نظرسنجی، یا اطلاعات جمعیتی. R روش خاصی برای نمایش آنها دارد که به آن فاکتورها می گویند، و این دوره به شما کمک می کند تا با استفاده از بسته های tidyverse forcats با آنها کار کنید. ما همچنین با سایر بسته‌های tidyverse، از جمله ggplot2، dplyr، stringr، و tidyr کار خواهیم کرد و از مجموعه داده‌های دنیای واقعی مانند مجموعه داده‌های پرواز پنجاه و هشتم و Kaggle's State of Data Science و ML Survey استفاده خواهیم کرد. پس از این دوره، می‌توانید متغیرهای عامل را شناسایی و دستکاری کنید، داده‌های خود را به سرعت و کارآمد تجسم کنید و نتایج خود را به‌طور مؤثر ارتباط برقرار کنید. برای دسته بندی آماده شوید!

بگویید که یک مجموعه داده عالی پیدا کرده اید و می خواهید در مورد آن بیشتر بدانید. چگونه می توانید به سوالاتی که در مورد داده ها دارید پاسخ دهید؟ می‌توانید از dplyr برای پاسخ به این سؤالات استفاده کنید - همچنین می‌تواند به تغییرات اساسی داده‌های شما کمک کند. همچنین یاد خواهید گرفت که داده های خود را جمع آوری کنید و متغیرها را اضافه، حذف یا تغییر دهید. در طول مسیر، یک مجموعه داده حاوی اطلاعات مربوط به شهرستان‌ها در ایالات متحده را بررسی خواهید کرد. شما این دوره را با استفاده از این ابزارها در مجموعه داده نام‌های نوزاد برای بررسی روند نام‌گذاری نوزادان در ایالات متحده به پایان خواهید رساند.

رگرسیون خطی و رگرسیون لجستیک دو مدل آماری پرکاربرد هستند و مانند کلیدهای اصلی عمل می‌کنند و اسرار پنهان در مجموعه داده‌ها را باز می‌کنند. این دوره بر اساس مهارت هایی است که شما در "مقدمه ای بر رگرسیون در R" به دست آورده اید، که رگرسیون خطی و لجستیک را با متغیرهای توضیحی متعدد پوشش می دهد. از طریق تمرین‌های عملی، روابط بین متغیرها در مجموعه داده‌های دنیای واقعی، قیمت‌های خانه تایوان و مدل‌سازی ریزش مشتری و موارد دیگر را بررسی خواهید کرد. در پایان این دوره، می‌دانید که چگونه متغیرهای توضیحی متعدد را در یک مدل بگنجانید، نحوه تأثیر متقابل بین متغیرها بر پیش‌بینی‌ها را درک خواهید کرد، و نحوه عملکرد رگرسیون خطی و لجستیک را درک خواهید کرد.

Shiny یک بسته R است که ساخت برنامه‌های وب بسیار تعاملی را مستقیماً در R آسان می‌کند. با استفاده از Shiny، دانشمندان داده می‌توانند برنامه‌های وب تعاملی ایجاد کنند که به تیم شما اجازه می‌دهد تا داده‌های شما را به عنوان داشبورد یا تجسم بررسی کند. اگر می خواهید داده های خود را زنده کنید، براق راهی است که باید بروید! با استفاده از داده‌های مربوط به نام نوزاد، مواد تشکیل دهنده غذا، و مشاهده بشقاب پرنده، برنامه‌های مختلف براقی را می‌سازید که از ورودی‌ها و خروجی‌های مختلف استفاده می‌کنند. همچنین اصول عبارات واکنشی را یاد خواهید گرفت. در پایان این دوره، مهارت های درخشانی را خواهید داشت که برای ساختن اولین برنامه خود در R

آموزش ایجاد یک داشبورد تعاملی با استفاده از بسته shinydashboard در R. این دوره به شما می آموزد که چگونه از shinydashboard در R برای ایجاد یک داشبورد پویا و تعاملی استفاده کنید. نکات زیر و روهای شینیداشبورد را پوشش خواهید داد و در مورد شیوه های خوب UI/UX یاد خواهید گرفت. ابتدا یک اپلیکیشن shinyApp می سازید و سپس برای ساختن یک داشبورد درخشان فارغ التحصیل می شوید. سپس، یاد می‌گیرید که چگونه عناصر تعاملی را با افکت‌های شناور روی آن اضافه کنید. در نهایت، نحوه تغییر عناصر طراحی یک داشبورد درخشان را با استفاده از کد CSS و موارد دیگر بررسی خواهید کرد.

ارتباطات بخش کلیدی فرآیند علم داده است. داشبوردها روشی محبوب برای ارائه داده ها در یک صفحه نمایش بصری منسجم هستند. در این دوره آموزشی یاد خواهید گرفت که چگونه نتایج خود را با استفاده از بسته flexdashboard در یک داشبورد صیقلی جمع آوری کنید. این می تواند به سادگی اضافه کردن چند خط R Markdown به کد موجود شما باشد یا به اندازه یک تجربه کاملاً تعاملی مبتنی بر براق باشد. با طیف ابزارهای ایجاد داشبورد موجود در R آشنا می شوید و این دوره را با توانایی تولید داشبورد با کیفیت حرفه ای تکمیل می کنید.

طراحی آزمایشی بخش مهمی از تجزیه و تحلیل داده‌ها در هر زمینه‌ای است، خواه در تجارت، بهداشت و یا فناوری کار کنید. اگر می خواهید از داده ها برای پاسخ به یک سوال استفاده کنید، باید یک آزمایش طراحی کنید! در این دوره با طراحی تجربی پایه، از جمله طرح های بلوکی و فاکتوریل و آزمون های آماری رایج مانند آزمون های t و ANOVA آشنا خواهید شد. شما از داده های R داخلی و مجموعه داده های دنیای واقعی از جمله نظرسنجی CDC NHANES، امتیازات SAT از مدارس دولتی نیویورک، و داده های وام باشگاه وام استفاده خواهید کرد. پس از دوره، شما قادر خواهید بود آزمایشات خود را طراحی و تجزیه و تحلیل کنید!

تجزیه و تحلیل داده هایی که در جداول آمده اند سرگرم کننده است. اما چه می‌شود اگر چیزهایی که به نظر ما جالب‌تر هستند به‌عنوان یک مجموعه داده منظم و منظم اما به صورت متن ساده در دسترس نباشند؟ ناامید نشوید: در این دوره، همه چیزهایی را که برای ایجاد عبارات منظم قدرتمند نیاز دارید، یاد می گیرید که به شما کمک می کند تمام اطلاعات مورد نیاز برای تجزیه و تحلیل خود را فقط از یک لکه متن بیابید. اما نه تنها این. با استفاده از مفهوم فاصله رشته، حتی با متنی که حاوی اشتباهات تایپی یا اسکن است، کار خواهید کرد، زیرا می توانید آنها را با همتایان صحیح خود از منابع داده دیگر مطابقت دهید (پیوند رکورد). به عنوان یک ماده آموزشی، اسناد واقعی در مورد چهره های باکس آفیس در سینماهای سوئیس را تجزیه و تحلیل خواهیم کرد.

انجمن بررسی‌کنندگان خبره تقلب تخمین می‌زند که تقلب برای سازمان‌ها در سراسر جهان 3.7 تریلیون دلار در سال هزینه دارد و یک شرکت معمولی پنج درصد از درآمد سالانه را به دلیل تقلب از دست می‌دهد. انتظار می‌رود که تلاش‌های تقلب در آینده حتی بیشتر شود و کشف تقلب در بیشتر صنایع بسیار ضروری باشد. این دوره نشان خواهد داد که چگونه یادگیری الگوهای تقلب از داده های تاریخی می تواند برای مبارزه با تقلب استفاده شود. برخی از تکنیک‌های آمار قوی و تجزیه و تحلیل رقمی برای شناسایی مشاهدات غیرعادی که احتمالاً با تقلب مرتبط هستند، ارائه شده‌اند. دو چالش اصلی هنگام ساخت یک ابزار نظارت شده برای کشف تقلب، عدم تعادل یا چولگی داده ها و هزینه های مختلف برای انواع مختلف طبقه بندی اشتباه است. ما تکنیک‌هایی را برای حل این مشکلات ارائه می‌کنیم و بر مجموعه داده‌های مصنوعی و واقعی از طیف گسترده‌ای از برنامه‌های تقلب تمرکز می‌کنیم.

R Markdown یک زبان قالب‌بندی آسان برای استفاده است که می‌توانید از آن برای نشان دادن اطلاعات بینش از داده‌ها و نوشتن یافته‌های خود به‌عنوان PDF، فایل HTML یا برنامه براق استفاده کنید. در این دوره آموزشی، نحوه ایجاد و اصلاح هر عنصر از فایل Markdown، از جمله کد، متن و ابرداده را خواهید آموخت. شما داده ها را با dplyr تجزیه و تحلیل خواهید کرد، با ggplot2 تجسم ایجاد می کنید، و تجزیه و تحلیل ها و نمودارهای خود را به عنوان گزارش می نویسید. در حین کار با داده‌های دنیای واقعی از شرکت مالی بین‌المللی (IFC) تجربه عملی از ساختن گزارش‌ها به دست خواهید آورد - یاد می‌گیرید چگونه گزارش‌ها را با استفاده از گزینه‌های قطعه کد، ایجاد فهرست‌ها و جداول، و گنجاندن فهرست مطالب به طور مؤثر سازماندهی کنید. در پایان دوره، مهارت‌هایی را خواهید داشت که برای برجسته کردن گزارش‌های خود، فونت‌ها و رنگ‌های برندتان را با استفاده از پارامترها و برگه‌های سبک آبشاری (CSS) اضافه کنید.

احتمال مطالعه پیش‌بینی در مورد پدیده‌های تصادفی است. در این دوره، با استفاده از مثال چرخش سکه، با مفاهیم متغیرهای تصادفی، توزیع‌ها و شرطی‌سازی آشنا می‌شوید. همچنین شهودی برای حل مسائل احتمال از طریق شبیه سازی تصادفی به دست خواهید آورد. این اصول به شما در درک استنتاج آماری کمک می کند و می تواند برای نتیجه گیری از داده ها استفاده شود.

یکی از جنبه های اساسی تحلیل آماری استنتاج یا فرآیند نتیجه گیری در مورد جمعیت بزرگتر از نمونه داده ها است. اگرچه غیر شهودی است، اما روش استاندارد تلاش برای رد ادعای تحقیقی است که مورد علاقه نیست. به عنوان مثال، برای نشان دادن اینکه یک درمان پزشکی بهتر از دیگری است، می‌توانیم فرض کنیم که این دو درمان به نرخ بقای مساوی منجر می‌شوند تا پس از آن توسط داده‌ها رد شوند. علاوه بر این، ما ایده یک مقدار p یا درجه عدم توافق بین داده ها و فرضیه را معرفی می کنیم. ما همچنین به فواصل اطمینان می پردازیم که میزان تأثیر مورد علاقه را اندازه گیری می کند (مثلاً اینکه یک درمان چقدر بهتر از دیگری است).

تحلیل داده‌های بیزی رویکردی برای مدل‌سازی آماری و یادگیری ماشینی است که روز به روز محبوب‌تر می‌شود. این یک چارچوب یکنواخت برای ساخت مدل‌های خاص مسئله ارائه می‌کند که می‌تواند هم برای استنتاج آماری و هم برای پیش‌بینی استفاده شود. این دوره شما را با تجزیه و تحلیل داده های بیزی آشنا می کند: چیست، چگونه کار می کند، و چرا ابزار مفیدی است که در جعبه ابزار علم داده خود داشته باشید.

تخمین زده شده است که بیش از 70٪ از اطلاعات تجاری بالقوه قابل استفاده، ساختاری ندارند، اغلب به شکل داده های متنی. متن کاوی مجموعه‌ای از تکنیک‌ها را فراهم می‌کند که به ما اجازه می‌دهد تا بینش‌های عملی را از داده‌های بدون ساختار استخراج کنیم. در این دوره به بررسی اصول متن کاوی با استفاده از روش کیسه کلمات می پردازیم. سه فصل اول انواع موضوعات ضروری برای تجزیه و تحلیل و تجسم داده های متنی را معرفی می کند. فصل آخر به شما امکان می‌دهد هر آنچه را که در یک مطالعه موردی در دنیای واقعی آموخته‌اید به کار ببرید تا بینش‌هایی را از بررسی‌های کارکنان دو شرکت بزرگ فناوری استخراج کنید.

R متوسط ​​ایستگاه بعدی سفر شما در تسلط بر زبان برنامه نویسی R است. در این آموزش R با عبارات شرطی، حلقه ها و توابع برای تقویت اسکریپت های R خود آشنا می شوید. در مرحله بعد، کد R خود را با استفاده از توابع کاربردی کارآمدتر و خواناتر کنید. در نهایت، فصل ابزارها شما را با عبارات منظم در R، دستکاری‌های ساختار داده، و زمان‌ها و تاریخ‌ها سریع‌تر می‌کند. این دوره به شما این امکان را می دهد تا در حین برنامه نویسی در R، گام بعدی را در ارتقای دانش و قابلیت های کلی خود بردارید.

در این دوره، مدلسازی با داده را یاد خواهید گرفت. مدل‌ها تلاش می‌کنند تا رابطه بین یک متغیر نتیجه مورد علاقه و یک سری متغیرهای توضیحی/پیش‌بینی‌کننده را به تصویر بکشند. چنین مدل هایی را می توان برای هر دو هدف توضیحی استفاده کرد، به عنوان مثال. "آیا دانستن سن اساتید به توضیح نمرات ارزشیابی تدریس آنها کمک می کند؟" و اهداف پیش بینی کننده، به عنوان مثال، "چقدر می توانیم قیمت خانه را بر اساس اندازه و شرایط آن پیش بینی کنیم؟" شما از مهارت‌های منظم خود برای ساختن و تفسیر چنین مدل‌هایی استفاده خواهید کرد. این دوره حول محور استفاده از رگرسیون خطی، یکی از متداول ترین و قابل درک ترین رویکردها برای مدل سازی است. چنین مدل‌سازی و تفکری در زمینه‌های بسیار متنوعی از جمله آمار، استنتاج علی، یادگیری ماشین و هوش مصنوعی استفاده می‌شود.

مدل های افزودنی تعمیم یافته ابزار قدرتمندی برای پیش بینی و استنتاج هستند. انعطاف‌پذیرتر از مدل‌های خطی، و قابل درک‌تر از روش‌های جعبه سیاه، GAMها روابط در داده‌ها را به‌عنوان توابع غیرخطی مدل‌سازی می‌کنند که بسیار سازگار با انواع مختلف داده‌ها و مسائل علم داده هستند. در این دوره، نحوه عملکرد GAM ها و نحوه ساخت آنها با بسته محبوب mgcv را خواهید آموخت. شما یاد خواهید گرفت که چگونه نتایج مدل خود را تفسیر، توضیح و تجسم کنید، و چگونه مشکلات مدل را تشخیص داده و رفع کنید. شما با مجموعه داده‌هایی کار خواهید کرد که به شما نشان می‌دهند چگونه GAMها را در موقعیت‌های مختلف اعمال کنید: داده‌های عملکرد خودرو برای ساخت مدل‌های خطی و غیرخطی مختلط، داده‌های آلودگی خاک برای ساخت مدل‌های مکانی، و داده‌های خرید مصرف‌کننده برای طبقه‌بندی و پیش‌بینی. در پایان این دوره، جعبه ابزاری برای حل بسیاری از مسائل علم داده خواهید داشت.