کتاب تحلیل داده و بصری‌سازی کاربردی با R: یک رویکرد مثال-محور
, ,

کتاب تحلیل داده و بصری‌سازی کاربردی با R: یک رویکرد مثال-محور

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000019462 دسته: , , برچسب: , , , , , , , , , , , , ,

📚 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

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب تحلیل داده و بصری‌سازی کاربردی با R: یک رویکرد مثال-محور

موضوع کلی: علم داده (Data Science)

موضوع میانی: تحلیل و بصری‌سازی داده‌ها

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر علم داده و R
  • 2. نصب و پیکربندی R و RStudio
  • 3. مقدمه‌ای بر زبان R: ساختار و انواع داده
  • 4. متغیرها و عملگرها در R
  • 5. ساختارهای داده در R: بردارها
  • 6. ساختارهای داده در R: ماتریس‌ها
  • 7. ساختارهای داده در R: آرایه‌ها
  • 8. ساختارهای داده در R: فاکتورها
  • 9. ساختارهای داده در R: لیست‌ها
  • 10. ساختارهای داده در R: دیتافریم‌ها
  • 11. وارد کردن داده‌ها از فایل‌های CSV
  • 12. وارد کردن داده‌ها از فایل‌های Excel
  • 13. وارد کردن داده‌ها از پایگاه‌های داده
  • 14. پاکسازی داده‌ها: شناسایی داده‌های گمشده
  • 15. پاکسازی داده‌ها: مدیریت داده‌های گمشده
  • 16. پاکسازی داده‌ها: شناسایی و مدیریت داده‌های پرت (Outliers)
  • 17. تبدیل و بازسازی داده‌ها
  • 18. تغییر شکل (Reshaping) داده‌ها: طولانی به عریض
  • 19. تغییر شکل (Reshaping) داده‌ها: عریض به طولانی
  • 20. عملیات پایه‌ای روی دیتافریم‌ها
  • 21. فیلتر کردن ردیف‌ها در دیتافریم‌ها
  • 22. انتخاب ستون‌ها در دیتافریم‌ها
  • 23. مرتب‌سازی دیتافریم‌ها
  • 24. گروه‌بندی و خلاصه‌سازی داده‌ها (GroupBy and Summarize)
  • 25. استفاده از dplyr برای دستکاری داده‌ها
  • 26. پایپ‌لاین‌نویسی (Piping) با dplyr
  • 27. ادغام (Merging) دیتافریم‌ها: ادغام داخلی (Inner Join)
  • 28. ادغام (Merging) دیتافریم‌ها: ادغام چپ (Left Join)
  • 29. ادغام (Merging) دیتافریم‌ها: ادغام راست (Right Join)
  • 30. ادغام (Merging) دیتافریم‌ها: ادغام کامل (Full Join)
  • 31. ادغام (Merging) دیتافریم‌ها: ادغام مقایسه (Semi/Anti Join)
  • 32. آمارهای توصیفی: میانگین، میانه، مد
  • 33. آمارهای توصیفی: واریانس، انحراف معیار
  • 34. آمارهای توصیفی: چارک‌ها و دامنه بین چارکی (IQR)
  • 35. آمارهای توصیفی: نمودار جعبه‌ای (Boxplot) برای خلاصه توزیع
  • 36. آمارهای توصیفی: هیستوگرام برای توزیع داده‌ها
  • 37. آمارهای توصیفی: نمودار فراوانی (Frequency Plot)
  • 38. آمارهای توصیفی: جدول فراوانی (Frequency Table)
  • 39. مقدمه‌ای بر بصری‌سازی داده‌ها با R
  • 40. نمودارهای پایه‌ای R: scatterplot
  • 41. نمودارهای پایه‌ای R: line plot
  • 42. نمودارهای پایه‌ای R: bar plot
  • 43. نمودارهای پایه‌ای R: pie chart
  • 44. تنظیمات نمودارهای پایه‌ای R: عنوان، برچسب محورها
  • 45. تنظیمات نمودارهای پایه‌ای R: رنگ، اندازه، نوع نقطه
  • 46. تنظیمات نمودارهای پایه‌ای R: افزودن خطوط راهنما
  • 47. بصری‌سازی پیشرفته با ggplot2: مقدمه
  • 48. ساختار ggplot2: لایه‌ها (Layers)
  • 49. ساختار ggplot2: نگاشت زیبایی‌شناختی (Aesthetics Mapping)
  • 50. ساختار ggplot2: هندسه‌ها (Geometries)
  • 51. ساختار ggplot2: فاکتورهای زیبایی‌شناختی (Aesthetic Mappings)
  • 52. ساختار ggplot2: مقیاس‌ها (Scales)
  • 53. ساختار ggplot2: فیسِتینگ (Faceting) برای نمودارهای چندگانه
  • 54. نمودار scatterplot با ggplot2
  • 55. نمودار scatterplot رنگی و اندازه‌گذاری شده با ggplot2
  • 56. نمودار خطی با ggplot2
  • 57. نمودار میله‌ای با ggplot2
  • 58. نمودار جعبه‌ای (Boxplot) با ggplot2
  • 59. نمودار ویولن (Violin Plot) با ggplot2
  • 60. نمودار هیستوگرام با ggplot2
  • 61. نمودار نمودار چگالی (Density Plot) با ggplot2
  • 62. نمودار نمودار تجمعی (Bar Plot) با ggplot2
  • 63. نمودار scatterplot ماتریس (Scatterplot Matrix)
  • 64. نمودار heatmap
  • 65. نمودار bubble chart
  • 66. نمودار pie chart با ggplot2 (به جای نمودار دایره‌ای)
  • 67. نمودار donut chart
  • 68. نمودارهای زمان‌بندی (Time Series Plots)
  • 69. نمودارهای جغرافیا (Geographic Plots) با استفاده از بسته‌های مرتبط
  • 70. نکات پیشرفته در ggplot2: مضامین (Themes)
  • 71. نکات پیشرفته در ggplot2: استفاده از annotation
  • 72. نکات پیشرفته در ggplot2: ایجاد نمودارهای تعاملی (Interactive Plots)
  • 73. نکات پیشرفته در ggplot2: سفارشی‌سازی عناوین و برچسب‌ها
  • 74. نکات پیشرفته در ggplot2: کنترل محدوده‌های محورها
  • 75. نکات پیشرفته در ggplot2: استفاده از نمودارهای ترکیبی
  • 76. مقدمه‌ای بر آمار استنباطی
  • 77. آزمون فرض آماری: t-test
  • 78. آزمون فرض آماری: ANOVA
  • 79. آزمون فرض آماری: Chi-squared test
  • 80. رگرسیون خطی ساده
  • 81. رگرسیون خطی چندگانه
  • 82. ارزیابی مدل رگرسیون: R-squared
  • 83. ارزیابی مدل رگرسیون: p-values
  • 84. ارزیابی مدل رگرسیون: تحلیل باقی‌مانده‌ها (Residual Analysis)
  • 85. پیش‌بینی با مدل رگرسیون
  • 86. مقدمه‌ای بر یادگیری ماشین
  • 87. تقسیم داده‌ها به مجموعه آموزش و آزمون
  • 88. تکنیک‌های انتخاب ویژگی (Feature Selection)
  • 89. مدل‌های دسته‌بندی: رگرسیون لجستیک
  • 90. مدل‌های دسته‌بندی: ماشین بردار پشتیبان (SVM)
  • 91. مدل‌های دسته‌بندی: درخت تصمیم (Decision Tree)
  • 92. مدل‌های دسته‌بندی: جنگل تصادفی (Random Forest)
  • 93. ارزیابی مدل‌های دسته‌بندی: ماتریس درهم‌ریختگی (Confusion Matrix)
  • 94. ارزیابی مدل‌های دسته‌بندی: دقت (Accuracy)
  • 95. ارزیابی مدل‌های دسته‌بندی: صحت (Precision)، بازیابی (Recall)، F1-Score
  • 96. ارزیابی مدل‌های دسته‌بندی: منحنی ROC و AUC
  • 97. مدل‌های رگرسیون: پیش‌بینی مقادیر پیوسته
  • 98. مدل‌های رگرسیون: درخت تصمیم برای رگرسیون
  • 99. مدل‌های رگرسیون: جنگل تصادفی برای رگرسیون
  • 100. خوشه‌بندی (Clustering): الگوریتم K-Means

📚 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

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب تحلیل داده و بصری‌سازی کاربردی با R: یک رویکرد مثال-محور”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا