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: Second edition
نویسندگان: Lander. Jared P
سری: Addison-Wesley Data & Analytics Series
ISBN (شابک) : 9780134546926, 0134546989
ناشر: Addison-Wesley
سال نشر: 2017
تعداد صفحات: 1200
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 54 مگابایت
کلمات کلیدی مربوط به کتاب R برای همه: تجزیه و تحلیل و گرافیک پیشرفته: شبیه سازی کامپیوتر، R (زبان برنامه کامپیوتری)، زبان های اسکریپت (علوم کامپیوتر)، آمار
در صورت تبدیل فایل کتاب R for everyone: advanced analytics and graphics 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 برای همه: تجزیه و تحلیل و گرافیک پیشرفته 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.
جارد پی لندر، دانشمند حرفه ای داده، با تکیه بر تجربه بی نظیر خود در آموزش به کاربران جدید، آموزش عالی را برای هر کسی که تازه به برنامه نویسی آماری و مدل سازی می پردازد، نوشته است. این راهنما که برای آسان و شهودی یادگیری سازماندهی شده است، بر روی 20 درصد عملکرد R که برای انجام 80 درصد از وظایف داده مدرن به آن نیاز دارید، تمرکز دارد. فصلهای مستقل لندر با اصول اولیه شروع میشوند و تمرین عملی گسترده و کد نمونه را ارائه میدهند. R را دانلود و نصب خواهید کرد. پیمایش و استفاده از محیط R. تسلط بر کنترل اساسی برنامه، واردات داده، دستکاری و تجسم. و چندین آزمایش ضروری را طی کنید. سپس، بر اساس این پایه، چندین مدل کامل، چه خطی و چه غیرخطی، ساخته و از برخی تکنیک های داده کاوی استفاده خواهید کرد. پس از همه اینها، کد خود را با LaTeX، RMarkdown و Shiny قابل تکرار خواهید کرد. تا زمانی که کارتان تمام شود، نه تنها نحوه نوشتن برنامه های R را بلد نیستید، بلکه برای مقابله با مشکلات آماری که بیشتر به آنها اهمیت می دهید، آماده خواهید بود. پوشش شامل بستههای Explore R، RStudio و R استفاده از R برای ریاضیات است: انواع متغیر، بردارها، توابع فراخوانی و موارد دیگر بهرهبرداری از ساختارهای داده، از جمله data.frameها، ماتریسها و لیستها خواندن انواع مختلف دادهها ایجاد گرافیک آماری جذاب و بصری نوشتن توابع تعریف شده توسط کاربر کنترل جریان برنامه با چک های if، ifelse و پیچیده بهبود کارایی برنامه با دستکاری های گروهی ترکیب و تغییر شکل مجموعه داده های متعدد دستکاری رشته ها با استفاده از امکانات R و عبارات منظم ایجاد توزیع های احتمال عادی، دو جمله ای و پواسون ساخت خطی، خطی تعمیم یافته، و مدلهای غیرخطی برنامه آمار پایه: میانگین، انحراف استاندارد و آزمونهای t آموزش مدلهای یادگیری ماشین ارزیابی کیفیت مدلها و انتخاب متغیر جلوگیری از برازش بیش از حد و انجام انتخاب متغیر با استفاده از روشهای شبکه الاستیک و بیزی تجزیه و تحلیل گروه دادههای سری زمانی تک متغیره و چند متغیره داده ها از طریق K-means و خوشه بندی سلسله مراتبی تهیه گزارش ها، نمایش های اسلاید و صفحات وب با knitr نمایش داده های تعاملی با ابزارک های RMarkdown و html پیاده سازی داشبورد با بسته های R قابل استفاده مجدد Shiny Build با ابزارهای توسعه و Rcpp
Drawing on his unsurpassed experience teaching new users, professional data scientist Jared P. Lander has written the perfect tutorial for anyone new to statistical programming and modeling. Organised to make learning easy and intuitive, this guide focuses on the 20 percent of R functionality you'll need to accomplish 80 percent of modern data tasks. Lander's self-contained chapters start with the absolute basics, offering extensive hands-on practice and sample code. You'll download and install R; navigate and use the R environment; master basic program control, data import, manipulation, and visualisation; and walk through several essential tests. Then, building on this foundation, you'll construct several complete models, both linear and nonlinear, and use some data mining techniques. After all this you'll make your code reproducible with LaTeX, RMarkdown, and Shiny. By the time you're done, you won't just know how to write R programs, you'll be ready to tackle the statistical problems you care about most. Coverage includes Explore R, RStudio, and R packages Use R for math: variable types, vectors, calling functions, and more Exploit data structures, including data.frames, matrices, and lists Read many different types of data Create attractive, intuitive statistical graphics Write user-defined functions Control program flow with if, ifelse, and complex checks Improve program efficiency with group manipulations Combine and reshape multiple datasets Manipulate strings using R's facilities and regular expressions Create normal, binomial, and Poisson probability distributions Build linear, generalised linear, and nonlinear models Program basic statistics: mean, standard deviation, and t-tests Train machine learning models Assess the quality of models and variable selection Prevent overfitting and perform variable selection, using the Elastic Net and Bayesian methods Analyse univariate and multivariate time series data Group data via K-means and hierarchical clustering Prepare reports, slideshows, and web pages with knitr Display interactive data with RMarkdown and htmlwidgets Implement dashboards with Shiny Build reusable R packages with devtools and Rcpp