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: [2 ed.] نویسندگان: Hadley Wickham, Mine Cetinkaya-Rundel, and Garrett Grolemund سری: ISBN (شابک) : 9781492097402 ناشر: O'Reilly Media, Inc. سال نشر: 2023 تعداد صفحات: 746 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 11 Mb
در صورت تبدیل فایل کتاب R for Data Science: Import, Tidy, Transform, Visualize, and Model Data, 2nd Edition (Second Early Release) 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 R for Data Science: Import, Tidy, Transform, Visualize, and Model Data, نسخه دوم (نسخه اولیه دوم) 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.
یاد بگیرید که چگونه از R برای تبدیل داده ها به بینش، دانش و درک استفاده کنید. این کتاب ایدهآل برای دانشمندان داده فعلی و مشتاق است، این کتاب شما را با انجام علم داده با R و RStudio، و همچنین tidyverse - مجموعهای از بستههای R که برای همکاری با یکدیگر برای ایجاد علم داده سریع، روان و سرگرمکننده طراحی شدهاند، آشنا میکند. حتی اگر تجربه برنامه نویسی ندارید، این نسخه به روز شده شما را به انجام سریع علم داده کمک می کند.\r\n\r\nشما یاد خواهید گرفت که چگونه داده های خود را وارد، تبدیل و تجسم کنید و نتایج را به اشتراک بگذارید. و درک کامل و تصویری بزرگی از چرخه علم داده و ابزارهای اساسی که برای مدیریت جزئیات نیاز دارید، به دست خواهید آورد. هر بخش در این نسخه شامل تمرینهایی است که به شما کمک میکند آنچه را که در طول مسیر آموختهاید تمرین کنید.\r\n\r\nفصلهای جدید بهروزرسانیشده برای بهترین شیوههای مرتب و مرتب، عمیقتر به تجسم و بحث دادهها میپردازند، به شما نشان میدهند که چگونه دادهها را از صفحات گسترده، پایگاههای داده و وبسایتها دریافت کنید و به شما کمک میکند از ابزارهای برنامهنویسی جدید بهترین استفاده را ببرید.\r\n\r\nشما یاد خواهید گرفت که چگونه\r\nتجسم - نمودارهایی برای کاوش داده ها و ارتباط نتایج ایجاد کنید\r\nتبدیل - انواع متغیرها و ابزارهایی را که می توانید برای کار با آنها استفاده کنید، کشف کنید\r\nوارد کنید - داده ها را در R و به شکلی مناسب برای تجزیه و تحلیل دریافت کنید\r\nبرنامه - ابزارهای R را برای حل مشکلات داده با وضوح و سهولت بیشتر بیاموزید
Learn how to use R to turn data into insight, knowledge, and understanding. Ideal for current and aspiring data scientists, this book introduces you to doing data science with R and RStudio, as well as the tidyverse—a collection of R packages designed to work together to make data science fast, fluent, and fun. Even if you have no programming experience, this updated edition will have you doing data science quickly. You'll learn how to import, transform, and visualize your data and communicate the results. And you'll get a complete, big-picture understanding of the data science cycle and the basic tools you need to manage the details. Each section in this edition includes exercises to help you practice what you've learned along the way. Updated for the latest tidyverse best practices, new chapters dive deeper into visualization and data wrangling, show you how to get data from spreadsheets, databases, and websites, and help you make the most of new programming tools. You'll learn how to Visualize—create plots for data exploration and communication of results Transform—discover types of variables and the tools you can use to work with them Import—get data into R and in a form convenient for analysis Program—learn R tools for solving data problems with greater clarity and ease
Welcome Preface to the second edition 1 Introduction Whole game 2 Data visualization 3 Workflow: basics 4 Data transformation 5 Workflow: code style 6 Data tidying 7 Workflow: scripts and projects 8 Data import 9 Workflow: getting help Visualize 10 Layers 11 Exploratory data analysis 12 Communication Transform 13 Logical vectors 14 Numbers 15 Strings 16 Regular expressions 17 Factors 18 Dates and times 19 Missing values 20 Joins Import 21 Spreadsheets 22 Databases 23 Arrow 24 Hierarchical data 25 Web scraping Program 26 Functions 27 Iteration 28 A field guide to base R Communicate 29 Quarto 30 Quarto formats