آموزش پیش پردازش و مصورسازی داده ها با Tidyverse در R

آموزش پیش پردازش و مصورسازی داده ها با Tidyverse در R

کتابخانه Tidyverse چیست؟ Tidyverse یک کتابخانه از ابزارهای برنامه‌نویسی و تجزیه داده است که برای زبان برنامه‌نویسی R تشکیل شده است. این مجموعه ابزارها توسط Hadley Wickham و تیم توسعه tidyverse ایجاد شده است و شامل بسیاری از بسته‌های معروف R است؛ که برای تحلیل و پردازش داده‌های ساختاریافته (Structured Data) استفاده می‌شود. اهمیت یادگیری پیش‌‌پردازش و مصورسازی سریع داده‌‌ها در R با Tidyverse چیست؟ پیش‌پردازش (Preprocessing) و آماده‌سازی داده‌ها (data wrangling) مرحله‌ای بسیار مهم و ضروری در فرایند تحلیل،‌ مدل‌سازی و مصورسازی داده‌ها می‌باشد. در صورتی که آشنایی مقدماتی با نرم‌افزار R دارید می‌توانید پیش از انجام هر پروژه‌ای بر روی داده‌ها، با کمک کتابخانه tidyverse، مجموعه داده‌های نامرتب را به سادگی به مجموعه داده‌های مرتب با ساختاری مطلوب تبدیل نمایید. به کمک امکاناتی که در این کتابخانه قرار داده شده است فرايند پیش‌پردازش و آماده‌سازی داده‌ها به سرعت قابل انجام است. برای کسانی که دارای تجربه کار با نرم‌افزارهای متنوع هستند سادگی استفاده از امکانات tidyverse کاملا ملموس خواهد بود. در این دوره کوتاه یک آموزش ساده و گام‌به‌گام در مورد آماده‌سازی داده‌ها با کتابخانه قدرتمند Tidyverse را یاد خواهید گرفت. این دوره کوتاه بر ضروری‌ترین دستورات و عملکردهای این کتابخانه که اغلب مورد استفاده قرار می‌گیرند متمرکز است. بیش از نیمی از وقت یک تحلیل‌گر داده صرف پاکسازی (data cleaning) و آماده‌سازی داده‌ها از یک قالب داده «خام» به قالبی مناسب‌تر است؛ تا بتواند برای اهداف دیگر مانند تحلیل مورد استفاده قرار گیرد. اگر این مرحله به درستی صورت نگیرد می‌تواند بر دیگر مراحل تحلیل داده‌ها اثری نامطلوب داشته باشد. لذا آشنایی و توانایی استفاده از امکانات موجود در کتابخانه tidyverse که خود شامل چندین کتابخانه‌ی سودمند در آماده‌سازی و مصورسازی داده‌ها می‌باشد؛ خصوصا برای افرادی که در زمینه علم داده فعالیت می‌کنند ضروری است. در این فرادرس چه چیزی یاد می‌گیریم؟ در این فرادرس ابتدا با نحوه فراخوانی داده‌ها به محیط R آشنا می‌شویم. سپس به معرفی عملگر %>% برای زنجیره‌ای کردن دستورات و نوشتن یک کد قدرتمند می‌پردازیم؛ در مرحله نحوه دستکاری داده‌ها، انتخاب یا حذف سطرها و ستون‌ها، ایجاد ستون‌های جدید، مرتب کردن داده‌ها، خلاصه کردن داده‌ها و ترکیب جداول، را به کمک مهمترین توابع موجود در کتابخانه dplyr مورد بررسی قرار می‌دهیم. در انتها، انجام عملیات بر روی داده‌ها با کتابخانه Tidyr جهت اصلاح ساختار داده‌ها و رسم نمودارهای سودمند با کتابخانه ggplot2 را به شما مخاطبین عزیز یاد خواهیم داد.

تریلر دوره

توضیحات کامل دوره

...

سرفصل‌های دوره

  • چکیده
    0:01:32

  • معرفی، نصب، بارگذاری Tidyverse
    رایگان 0:11:09
  • فراخوانی داده‌ها
    0:13:01

  • انتخاب ستون‌ها در مجموعه داده با تابع select
    رایگان 0:13:14
  • انتخاب سطرها در مجموعه داده با دو تابع slice و filter
    0:13:19
  • حذف سطرهای تکراری با تابع distinct و مرتب کردن داده‌ها بر اساس مقادیر یک یا چند ستون با تابع arrange
    0:07:40
  • ایجاد ستون‌های جدید به عنوان تابعی از ستون‌های موجود با تابع mutate
    0:09:11
  • خلاصه‌سازی و گروه‌بندی ساختار داده با توابع summarise و group_by
    0:11:52
  • ترکیب مجموعه داده‌ها به صورت سطری و ستونی
    0:13:02

  • درک مفهوم داده‌های مرتب (tidy data) و تغییر ساختار داده‌ها با دو تابع pivot_longer و pivot_wider
    0:09:12
  • جداسازی یا ادغام مقادیر ستون‌ها با توابع separate و unite
    رایگان 0:09:12
  • مدیریت داده‌های گم‌شده
    0:06:20

  • معرفی ساختار کلی رسم نمودار با کتابخانه ggplot2 و ترکیب با dplyr برای ایجاد نمودارهای مناسب
    0:06:50
  • ایجاد لایه تقسیم‌بندی نمودار، مقیاس و لایه مجزا برای اصلاح برچسب‌ها و عناوین نمودار
    0:05:04

  • جمع‌بندی و نتیجه مباحث
    0:02:27
  • ادامه یادگیری
    0:03:22
  • دسترسی به آموزش‌های «ادامه یادگیری»
  • ادامه مسیر تا ورود به بازار کار

  • خلاصه و مرور آموزش
  • واژه‌نامه (Glossary)
  • سوالات متداول (FAQ)
  • مشاغل مرتبط
  • نمونه سئوالات مصاحبه شغلی

ارسال نظر شما

نظرات کاربران

نظرات کاربران

هنوز نظری ثبت نشده است.

1,290,000 تومان
258,000 تومان
80% تخفیف

این دوره شامل:
7 فصل آموزشی
2 ساعت ساعت آموزش
دسترسی مادام‌العمر
سطح: مبتدی
گواهی پایان دوره: ندارد
تاریخ انتشار: 1403/12/09
آخرین به‌روزرسانی: 2026-10-29 14:39:43
تعداد امتیازها: 0
تعداد دانشجو:
خرید اقساطی: ندارد
ضمانت بازگشت وجه: ندارد
برچسب‌ها: