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.

 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.

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.

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

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.