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
دسته بندی: سازمان و پردازش داده ها ویرایش: نویسندگان: Kun Ren سری: ISBN (شابک) : 178588977X, 9781785889776 ناشر: Packt Publishing سال نشر: 2016 تعداد صفحات: 0 زبان: English فرمت فایل : MOBI (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری برنامه نویسی R: پردازش داده، پایگاه های داده و کلان داده، کامپیوتر و فناوری، مقدماتی و آغاز، برنامه نویسی، کامپیوتر و فناوری، توسعه نرم افزار، طراحی نرم افزار، تست و مهندسی، برنامه نویسی، کامپیوتر و فناوری، زبان های برنامه نویسی، آدا، آژاکس، برنامه نویسی زبان اسمبلی، بورلند دلفی، سی و سی پلاس پلاس، سی شارپ، CSS، طراحی کامپایلر، کامپایلرها، DHTML، اشکال زدایی، دلفی، فورترن، جاوا، لیسپ، پرل، پرولوگ، پایتون، RPG، روبی، سویفت، ویژوال بیسیک، XHTML، XML، XSL، رایانه ها و فن آوری
در صورت تبدیل فایل کتاب Learning R Programming 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 یادگیری برنامه نویسی 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.
R است یک زبان کاربردی سطح بالا و یکی از ابزارهای ضروری برای علم داده و آمار است. قدرتمند اما پیچیده، R می تواند برای مبتدیان و کسانی که با رفتارهای منحصر به فرد آن آشنا نیستند چالش برانگیز باشد. یادگیری برنامه نویسی R راه حل است - راهی آسان و عملی برای یادگیری R و ایجاد درک گسترده و مداوم از زبان. از طریق مثالهای عملی، ابزارهای قدرتمند R و بهترین روشهای R را کشف خواهید کرد که به شما درک عمیقتری از کار با دادهها میدهد. شما با ساختارهای داده و تکنیکهای پردازش دادههای R و همچنین محبوبترین بستههای R برای افزایش بهرهوری خود از حالت افست آشنا خواهید شد.
با اصول اولیه R شروع کنید، سپس به عمق آن بروید. تکنیک ها و پارادایم های برنامه نویسی برای عالی کردن کد R شما. با یادگیری کارهای رایج از جمله تجزیه و تحلیل داده ها، پایگاه های داده، خراش دادن وب، محاسبات با کارایی بالا و نوشتن اسناد، به سرعت به درک عمیق تر از رفتار R پیشرفت کنید. در پایان کتاب، شما یک برنامه نویس R مطمئن خواهید بود که در حل مسائل با تکنیک های مناسب مهارت دارد.
Kun Ren نزدیک به 4 سال است که R را در معاملات کمی به همراه C++ و C# استفاده کرده است و به شدت (هر روز بیش از 8-10 ساعت) روی بسته های مفید R که جامعه ارائه نمی دهد کار کرده است. هنوز. او در بستههای توسعهیافته توسط سایر نویسندگان مشارکت میکند و مشکلات را گزارش میکند تا کارها را بهتر کند. او همچنین سخنران مکرر کنفرانس های R در چین است و چندین سخنرانی داشته است. کان همچنین حضور بسیار خوبی در رسانه های اجتماعی دارد. علاوه بر این، او به طور قابل توجهی در پروژههای مختلفی مشارکت داشته است که از حساب GitHub او مشهود است:
R is a high-level functional language and one of the must-know tools for data science and statistics. Powerful but complex, R can be challenging for beginners and those unfamiliar with its unique behaviors. Learning R Programming is the solution - an easy and practical way to learn R and develop a broad and consistent understanding of the language. Through hands-on examples you'll discover powerful R tools, and R best practices that will give you a deeper understanding of working with data. You'll get to grips with R's data structures and data processing techniques, as well as the most popular R packages to boost your productivity from the offset.
Start with the basics of R, then dive deep into the programming techniques and paradigms to make your R code excel. Advance quickly to a deeper understanding of R's behavior as you learn common tasks including data analysis, databases, web scraping, high performance computing, and writing documents. By the end of the book, you'll be a confident R programmer adept at solving problems with the right techniques.
Kun Ren has used R for nearly 4 years in quantitative trading, along with C++ and C#, and he has worked very intensively (more than 8-10 hours every day) on useful R packages that the community does not offer yet. He contributes to packages developed by other authors and reports issues to make things work better. He is also a frequent speaker at R conferences in China and has given multiple talks. Kun also has a great social media presence. Additionally, he has substantially contributed to various projects, which is evident from his GitHub account: