Data Science Foundations Tools and Techniques: Core Skills for Quantitative Analysis with R and Git

مهارت های عملی اساسی که برای غواصی در علم داده نیاز دارید

"فریمن و راس منبع قطعی برای دانشمندان داده جدید و مشتاق برای یادگیری مهارت های اساسی برنامه نویسی ایجاد کرده اند."

–از پیشگفتار جرد لندر، ویرایشگر مجموعه

استفاده از تکنیک های علم داده ، می توانید داده های خام را به بینش های عملی برای دامنه های مختلف از برنامه ریزی شهری تا پزشکی دقیق تبدیل کنید. مهارت‌های برنامه‌نویسی برای علم داده همه مهارت‌های اساسی را که برای شروع نیاز دارید، گرد هم می‌آورد، حتی اگر تجربه برنامه‌نویسی یا علم داده نداشته باشید.

 < /p>

مدرسان برجسته مایکل فریمن و جوئل راس شما را از طریق نصب و پیکربندی ابزارهایی که برای حل مشکلات علوم داده در سطح حرفه ای نیاز دارید، از جمله زبان پرکاربرد R و سیستم کنترل نسخه Git راهنمایی می کنند. آن‌ها توضیح می‌دهند که چگونه داده‌های خود را به شکلی در هم بیاورید که به راحتی قابل استفاده، تجزیه و تحلیل و تجسم باشد تا دیگران بتوانند الگوهایی را که شما کشف کرده‌اید ببینند. گام به گام، بر تکنیک‌های برنامه‌نویسی قدرتمند R و مهارت‌های عیب‌یابی برای کاوش داده‌ها به روش‌های جدید و در مقیاس‌های بزرگ‌تر مسلط خواهید شد.

فریمن و راس از طریق مثال‌ها و تمرین‌های عملی آموزش می‌دهند. که می تواند در پروژه های علم داده کامل ترکیب شود. همه چیز بر برنامه های دنیای واقعی متمرکز است، بنابراین می توانید به سرعت تجزیه و تحلیل داده های خود را شروع کنید و پاسخ هایی را دریافت کنید که می توانید بر اساس آنها عمل کنید. بیاموزید که

• محیط علم داده کامل خود را نصب کنید، از جمله R و RStudio
• مدیریت کارآمد پروژه ها، از ردیابی نسخه گرفته تا مستندات
• میزبان، مدیریت، و در پروژه های علم داده با GitHub همکاری کنید
• اصول زبان R Master: نحو، مفاهیم برنامه نویسی و ساختارهای داده
• بار، قالب بندی، کاوش و بازسازی داده ها برای تجزیه و تحلیل موفق
• تعامل با پایگاه های داده و API های وب
• اصول کلیدی برای تجسم داده ها به طور دقیق و شهودی
• تجسم های تعاملی و جذاب با ggplot و سایر بسته های R تولید کنید
• تبدیل تجزیه و تحلیل ها به اسناد و سایت های قابل اشتراک گذاری با R Markdown
• ایجاد برنامه های کاربردی علوم داده های وب تعاملی با Shiny
• همواری به عنوان بخشی از یک تیم علم داده

کتاب خود را برای دسترسی راحت به بارگیری‌ها، به‌روزرسانی‌ها و/یا اصلاحات به محض دردسترس شدن، ثبت کنید. برای جزئیات به داخل کتاب مراجعه کنید.

The Foundational Hands-On Skills You Need to Dive into Data Science

“Freeman and Ross have created the definitive resource for new and aspiring data scientists to learn foundational programming skills.”

–From the foreword by Jared Lander, series editor

Using data science techniques, you can transform raw data into actionable insights for domains ranging from urban planning to precision medicine. Programming Skills for Data Science brings together all the foundational skills you need to get started, even if you have no programming or data science experience.

Leading instructors Michael Freeman and Joel Ross guide you through installing and configuring the tools you need to solve professional-level data science problems, including the widely used R language and Git version-control system. They explain how to wrangle your data into a form where it can be easily used, analyzed, and visualized so others can see the patterns you’ve uncovered. Step by step, you’ll master powerful R programming techniques and troubleshooting skills for probing data in new ways, and at larger scales.

Freeman and Ross teach through practical examples and exercises that can be combined into complete data science projects. Everything’s focused on real-world application, so you can quickly start analyzing your own data and getting answers you can act upon. Learn to

• Install your complete data science environment, including R and RStudio
• Manage projects efficiently, from version tracking to documentation
• Host, manage, and collaborate on data science projects with GitHub
• Master R language fundamentals: syntax, programming concepts, and data structures
• Load, format, explore, and restructure data for successful analysis
• Interact with databases and web APIs
• Master key principles for visualizing data accurately and intuitively
• Produce engaging, interactive visualizations with ggplot and other R packages
• Transform analyses into sharable documents and sites with R Markdown
• Create interactive web data science applications with Shiny
• Collaborate smoothly as part of a data science team

Register your book for convenient access to downloads, updates, and/or corrections as they become available. See inside book for details.