Beginning Data Science in R: Data Analysis, Visualization, and Modelling for the Data Scientist

ویرایش: 1 
نویسندگان: Thomas Mailund (auth.)  
سری:  
ISBN (شابک) : 9781484226711, 9781484226704 
ناشر: Apress 
سال نشر: 2017 
تعداد صفحات: 369 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت 

قیمت کتاب (تومان) : 34,000



بهترین شیوه‌ها را برای تجزیه و تحلیل داده‌ها و توسعه نرم‌افزار در R کشف کنید و در مسیر تبدیل شدن به یک دانشمند داده تمام عیار شروع کنید. این کتاب تکنیک هایی را برای دستکاری و تجسم داده ها به شما می آموزد و بهترین راه برای توسعه بسته های نرم افزاری جدید برای R را به شما نشان می دهد. علوم محاسباتی و یادگیری ماشینی خواهید دید که چگونه به طور کارآمد داده ها را ساختاردهی و استخراج کنید تا الگوهای مفید استخراج کنید و مدل های ریاضی بسازید. این به روش های محاسباتی و برنامه نویسی نیاز دارد و R یک زبان برنامه نویسی ایده آل برای این کار است.
این کتاب بر اساس تعدادی از یادداشت های سخنرانی برای کلاس هایی است که نویسنده در مورد علوم داده و برنامه نویسی آماری با استفاده از زبان برنامه نویسی R تدریس کرده است. تجزیه و تحلیل داده های مدرن به مهارت های محاسباتی و معمولاً حداقل برنامه نویسی نیاز دارد.
آنچه یاد خواهید گرفت

• انجام علم داده و تجزیه و تحلیل با استفاده از آمار و زبان برنامه نویسی R
  
• تجسم و کاوش داده ها، از جمله کار با مجموعه داده های بزرگ موجود در داده های بزرگ
  
• یک بسته R بسازید
  
• کد خود را آزمایش و بررسی کنید
  
• کنترل نسخه را تمرین کنید< br>
• کد خود را نمایه و بهینه کنید
  

این کتاب برای چه کسی است
کسانی که دارای پیشینه علم داده یا تجزیه و تحلیل هستند، اما لزوماً با زبان برنامه نویسی R تجربه ندارند.

Discover best practices for data analysis and software development in R and start on the path to becoming a fully-fledged data scientist. This book teaches you techniques for both data manipulation and visualization and shows you the best way for developing new software packages for R.
Beginning Data Science in R details how data science is a combination of statistics, computational science, and machine learning. You’ll see how to efficiently structure and mine data to extract useful patterns and build mathematical models. This requires computational methods and programming, and R is an ideal programming language for this.
This book is based on a number of lecture notes for classes the author has taught on data science and statistical programming using the R programming language. Modern data analysis requires computational skills and usually a minimum of programming.
What You Will Learn

• Perform data science and analytics using statistics and the R programming language
  
• Visualize and explore data, including working with large data sets found in big data
  
• Build an R package
  
• Test and check your code
  
• Practice version control
  
• Profile and optimize your code
  

Who This Book Is For
Those with some data science or analytics background, but not necessarily experience with the R programming language.

Front Matter....Pages i-xxvii
Introduction to R Programming....Pages 1-28
Reproducible Analysis....Pages 29-44
Data Manipulation....Pages 45-73
Visualizing Data....Pages 75-111
Working with Large Datasets....Pages 113-124
Supervised Learning....Pages 125-167
Unsupervised Learning....Pages 169-204
More R Programming....Pages 205-231
Advanced R Programming....Pages 233-256
Object Oriented Programming....Pages 257-267
Building an R Package....Pages 269-280
Testing and Package Checking....Pages 281-286
Version Control....Pages 287-301
Profiling and Optimizing....Pages 303-346
Back Matter....Pages 347-352