توانایی ایجاد تجسم داده‌های معنی‌دار و زیبا بخش مهمی از مجموعه مهارت‌های شما به عنوان یک دانشمند داده است. این دوره، اولین آموزش تجسم داده های R در این مجموعه، شما را با اصول تجسم خوب و گرامر مفاهیم ترسیم گرافیک پیاده سازی شده در بسته ggplot2 آشنا می کند. ggplot2 به ابزاری برای طرح‌های منعطف و حرفه‌ای در R تبدیل شده است. در اینجا، سه لایه ضروری اولیه برای ساخت طرح - داده‌ها، زیبایی‌شناسی و هندسه را بررسی می‌کنیم. در پایان دوره می توانید نقشه های اکتشافی پیچیده بسازید.

از رسانه های اجتماعی گرفته تا بررسی محصول، متن یک نوع داده مهم فزاینده در بین برنامه ها، از جمله تجزیه و تحلیل بازاریابی است. در بسیاری از موارد، متن به دلیل ارزان بودن و فعلی بودن، جایگزین اشکال دیگر داده های بدون ساختار می شود. با این حال، برای استفاده از همه چیزهایی که متن ارائه می دهد، باید بدانید که چگونه در مورد متن فکر کنید، تمیز کنید، خلاصه کنید و مدل سازی کنید. در این دوره از جدیدترین ابزارهای مرتب برای شروع سریع و آسان متن استفاده خواهید کرد. شما یاد می گیرید که چگونه متن را به چالش بکشید و تجسم کنید، تجزیه و تحلیل احساسات انجام دهید، و مدل های موضوع را اجرا و تفسیر کنید.

آیا نگران سوابق نادرست یا مشکوک در داده های خود هستید، اما مطمئن نیستید از کجا شروع کنید؟ یک الگوریتم تشخیص ناهنجاری می تواند کمک کند! تشخیص ناهنجاری مجموعه ای از تکنیک هایی است که برای شناسایی نقاط داده غیرمعمول طراحی شده اند و برای شناسایی تقلب و محافظت از شبکه های کامپیوتری در برابر فعالیت های مخرب بسیار مهم هستند. در این دوره، آزمون‌های آماری برای شناسایی نقاط پرت را بررسی می‌کنید و یاد می‌گیرید که از الگوریتم‌های پیچیده امتیازدهی ناهنجاری مانند ضریب پرت محلی و جنگل جداسازی استفاده کنید. شما الگوریتم‌های تشخیص ناهنجاری را برای شناسایی شراب‌های غیرعادی در مجموعه داده‌های کیفیت شراب UCI و همچنین برای تشخیص موارد بیماری تیروئید از طریق اندازه‌گیری غیرطبیعی هورمون اعمال خواهید کرد.

اینکه بتوانید توابع خود را بنویسید، تجزیه و تحلیل های شما را خواناتر، با خطاهای کمتر، و از پروژه ای به پروژه دیگر قابل استفاده مجدد می کند. نوشتن تابع، بهره وری شما را بیش از هر مهارت دیگری افزایش می دهد! در این دوره شما اصول نوشتن تابع را با تمرکز بر آرگومان های وارد شده به تابع و مقادیر بازگشتی یاد خواهید گرفت. شما باید توابع مفید علم داده بنویسید و از داده های دنیای واقعی در مورد گردشگری وایومینگ، نسبت قیمت سهام/درآمد، و بازده دانه استفاده کنید.

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. در این دوره، مهارت هایی را که برای تناسب رگرسیون های خطی و لجستیکی ساده نیاز دارید، به دست خواهید آورد. از طریق تمرینات عملی، شما روابط بین متغیرها را در مجموعه داده های دنیای واقعی، از جمله ادعای بیمه موتور، قیمت خانه تایوان، اندازه ماهی و موارد دیگر کشف خواهید کرد. در پایان این دوره، می‌دانید که چگونه از داده‌های خود پیش‌بینی کنید، عملکرد مدل را کمی کنید و مشکلات مربوط به تناسب مدل را تشخیص دهید.

وارد کردن داده ها به R باید ساده ترین مرحله در تجزیه و تحلیل شما باشد. متأسفانه، تقریباً هرگز چنین نیست. داده‌ها می‌توانند در قالب‌های مختلفی از csv. و فایل‌های متنی، فایل‌های نرم‌افزار آماری، پایگاه‌های داده و داده‌های HTML باشند. دانستن اینکه از کدام رویکرد استفاده کنید، کلید شروع تحلیل واقعی است. در این دوره، با یادگیری نحوه خواندن csv. و فایل‌های متنی در R شروع می‌کنید. سپس بسته‌های reader و data.table را برای وارد کردن آسان و کارآمد داده‌های فایل مسطح پوشش می‌دهید. پس از آن، نحوه خواندن فایل های .xls در R با استفاده از readxl را خواهید آموخت.

نمونه‌گیری سنگ بنای آمار استنتاج و آزمون فرضیه است. در تجزیه و تحلیل نظرسنجی و طراحی تجربی بسیار مهم است. این دوره زمانی و چرایی مهم بودن نمونه‌گیری را توضیح می‌دهد و به شما می‌آموزد که چگونه انواع نمونه‌گیری رایج، از نمونه‌گیری تصادفی ساده تا روش‌های پیچیده‌تر مانند نمونه‌گیری طبقه‌ای و خوشه‌ای را انجام دهید. بعداً، این دوره شامل تخمین آمار جمعیت و تعیین کمیت عدم قطعیت در برآوردهای شما با تولید توزیع‌های نمونه و توزیع‌های راه‌انداز می‌شود. در طول دوره، مجموعه داده‌های دنیای واقعی را در مورد رتبه‌بندی قهوه، آهنگ‌های Spotify و فرسودگی کارکنان بررسی خواهید کرد.

زیبایی R در این است که برای انجام تجزیه و تحلیل داده ها ساخته شده است. نکته منفی این است که گاهی اوقات R ممکن است کند باشد و در نتیجه تحلیل ما را مختل کند. به همین دلیل، ضروری است که با تکنیک های اصلی برای تسریع تجزیه و تحلیل خود آشنا شوید، بنابراین می توانید زمان محاسباتی را کاهش دهید و در سریع ترین زمان ممکن به بینش دست یابید.

اگر تا به حال کاری با سری های زمانی مالی یا اقتصادی انجام داده اید، می دانید که داده ها در اشکال، اندازه ها و دوره های مختلف وجود دارند. دریافت داده‌ها در R می‌تواند استرس‌زا و زمان‌بر باشد، به‌ویژه زمانی که نیاز دارید داده‌ها را از چندین منبع مختلف در یک مجموعه داده ادغام کنید. این دوره شامل وارد کردن داده ها از فایل های محلی و همچنین از منابع اینترنتی می شود.

این مقدمه در سطح مبتدی برای یادگیری ماشین، چهار مورد از رایج‌ترین الگوریتم‌های طبقه‌بندی را پوشش می‌دهد. شما با درک اساسی از نحوه نزدیک شدن هر الگوریتم به یک کار یادگیری و همچنین توابع R مورد نیاز برای اعمال این ابزارها در کار خود خواهید آموخت.

این فرصتی است که با استفاده از R به دنیای بازاریابی و تجزیه و تحلیل تجاری شیرجه بزنید. روز به روز تصمیمات زیادی وجود دارد که شرکت ها باید با آنها روبرو شوند. با کمک مدل‌های آماری، می‌توانید از فرآیند تصمیم‌گیری کسب‌وکار بر اساس داده‌ها پشتیبانی کنید، نه احساس درونی‌تان. اجازه دهید به شما نشان دهیم که مدل سازی آماری چه تاثیر زیادی می تواند بر عملکرد کسب و کارها داشته باشد. شما می‌خواهید در مورد استراتژی‌هایی بیاموزید و از آنها استفاده کنید تا با نتایج خود ارتباط برقرار کنید و به آنها کمک کنید تفاوت ایجاد کنند.

از دیدگاه یادگیری ماشینی، رگرسیون وظیفه پیش‌بینی نتایج عددی از ورودی‌های مختلف است. در این دوره آموزشی، با مدل‌های رگرسیون مختلف، نحوه آموزش این مدل‌ها در R، ارزیابی مدل‌هایی که آموزش می‌دهید و استفاده از آن‌ها برای پیش‌بینی‌ها آشنا می‌شوید.