دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Ronald K. Pearson
سری: Chapman & Hall/CRC Data Mining and Knowledge Discovery Series
ISBN (شابک) : 1138480606, 9780429847035
ناشر: Chapman and Hall/CRC
سال نشر: 2018
تعداد صفحات: 563
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده های اکتشافی با استفاده از R: آمار، آموزش و مرجع، کسب و کار و پول، داده کاوی، پایگاه های داده و داده های بزرگ، کامپیوتر و فناوری، احتمال و آمار، کاربردی، ریاضیات، علوم و ریاضی، آمار، کاربردی، ریاضیات، علوم و ریاضیات، کسب و کار و امور مالی، بانکداری، ارتباطات تجاری، توسعه کسب و کار، اخلاق کسب و کار، حقوق کسب و کار، اقتصاد، کارآفرینی، مالی، منابع انسانی، کسب و کار بین المللی، سرمایه گذاری و اوراق بهادار، مدیریت، بازاریابی، املاک و مستغلات، فروش، جدید، Textbooks و Respecial
در صورت تبدیل فایل کتاب Exploratory Data Analysis Using R به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل داده های اکتشافی با استفاده از R نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
تحلیل دادههای اکتشافی با استفاده از R مقدمهای برای تجزیه و تحلیل دادههای اکتشافی (EDA) آزمایششده در کلاس درس ارائه میکند و طیفی از ویژگیهای \"جالب\" - خوب، بد و زشت - را که میتوان در دادهها یافت، و چرایی آن را معرفی میکند. پیدا کردن آنها مهم است همچنین مکانیک استفاده از R برای کاوش و توضیح دادهها را معرفی میکند.
این کتاب با یک مرور کلی از دادهها، تجزیه و تحلیل اکتشافی، و R، و همچنین گرافیک در R آغاز میشود. سپس کار با خارجی را بررسی میکند. داده ها، مدل های رگرسیون خطی، و ساخت داستان های داده. بخش دوم کتاب بر توسعه برنامههای R، از جمله تمرینها و مثالهای برنامهنویسی خوب، کار با دادههای متنی و مدلهای پیشبینی کلی تمرکز دارد. این کتاب با فصلی در مورد "حفظ همه چیز با هم" به پایان می رسد که شامل مدیریت نصب R، مدیریت فایل ها، مستندسازی، و مقدمه ای بر محاسبات قابل تکرار است.
این کتاب برای هر دو مقطع کارشناسی پیشرفته طراحی شده است. دانشجویان فارغ التحصیل مقطع ابتدایی و افراد حرفه ای که قبلاً در معرض تجزیه و تحلیل داده ها، مدل سازی، آمار یا برنامه نویسی قرار نداشتند. این درمان را نسبتاً غیر ریاضی نگه میدارد، حتی اگر تجزیه و تحلیل دادهها موضوعی ذاتاً ریاضی است. تمرینها در انتهای بیشتر فصلها گنجانده شدهاند و راهنمای راهحلهای مربی در دسترس است.
درباره نویسنده:
رونالد کی پیرسون موقعیت خود را دارد. دانشمند ارشد داده با GeoVera، یک شرکت بیمه دارایی در فیرفیلد، کالیفرنیا، و او قبلاً سمتهای مشابهی را در زمینههای مختلف کاربردی، از جمله توسعه نرمافزار، تجزیه و تحلیل دادههای ایمنی دارو، و تجزیه و تحلیل دادههای فرآیند صنعتی داشته است. او دارای مدرک دکترای مهندسی برق و علوم کامپیوتر از موسسه فناوری ماساچوست است و مقالات کنفرانسی و مجلاتی را در مورد موضوعاتی از انتخاب ساختار مدل دینامیکی غیرخطی تا مشکلات دادههای گمشده پنهان در مدلسازی پیشبینی منتشر کرده است. دکتر پیرسون کتاب هایی از جمله کاوش در داده ها در مهندسی، علوم و پزشکی (انتشارات دانشگاه آکسفورد، 2011) و فیلترسازی دیجیتال غیرخطی با پایتون را تالیف کرده است. او همچنین توسعهدهنده دوره DataCamp در زمینه گرافیک پایه R است و نویسنده بستههای datarobot و GoodmanKruskal R است که از CRAN (شبکه جامع آرشیو R) در دسترس است.
Exploratory Data Analysis Using R provides a classroom-tested introduction to exploratory data analysis (EDA) and introduces the range of "interesting" – good, bad, and ugly – features that can be found in data, and why it is important to find them. It also introduces the mechanics of using R to explore and explain data.
The book begins with a detailed overview of data, exploratory analysis, and R, as well as graphics in R. It then explores working with external data, linear regression models, and crafting data stories. The second part of the book focuses on developing R programs, including good programming practices and examples, working with text data, and general predictive models. The book ends with a chapter on "keeping it all together" that includes managing the R installation, managing files, documenting, and an introduction to reproducible computing.
The book is designed for both advanced undergraduate, entry-level graduate students, and working professionals with little to no prior exposure to data analysis, modeling, statistics, or programming. it keeps the treatment relatively non-mathematical, even though data analysis is an inherently mathematical subject. Exercises are included at the end of most chapters, and an instructor's solution manual is available.
About the Author:
Ronald K. Pearson holds the position of Senior Data Scientist with GeoVera, a property insurance company in Fairfield, California, and he has previously held similar positions in a variety of application areas, including software development, drug safety data analysis, and the analysis of industrial process data. He holds a PhD in Electrical Engineering and Computer Science from the Massachusetts Institute of Technology and has published conference and journal papers on topics ranging from nonlinear dynamic model structure selection to the problems of disguised missing data in predictive modeling. Dr. Pearson has authored or co-authored books including Exploring Data in Engineering, the Sciences, and Medicine (Oxford University Press, 2011) and Nonlinear Digital Filtering with Python. He is also the developer of the DataCamp course on base R graphics and is an author of the datarobot and GoodmanKruskal R packages available from CRAN (the Comprehensive R Archive Network).