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:
نویسندگان: Larry A. Pace
سری:
ISBN (شابک) : 9781484201312
ناشر: Apress
سال نشر: 2014
تعداد صفحات: 253
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 12 مگابایت
در صورت تبدیل فایل کتاب R Recipes A Problem-Solution Approach 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 Recipes A Problem-حل رویکرد 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 Recipes مرجع حل مسئله مفید شما برای یادگیری و استفاده از زبان برنامه نویسی محبوب R برای آمار و سایر تحلیل های عددی است. این کتاب با صدها کد و دستور العمل تصویری به شما کمک می کند تا به سرعت اصول اولیه را بیاموزید و مرزهای برنامه نویسی را بررسی کنید، تجزیه و تحلیل و استفاده از R. R Recipes دستور العمل های متنی و تصویری را برای قالب های آسان و سازنده برای استفاده و استفاده مجدد در خود ارائه می دهد. برنامه نویسی R روز به روز و تمرین تجزیه و تحلیل داده ها. چه در امور مالی، محاسبات ابری، تجزیه و تحلیل دادههای بزرگ یا کوچک، یا سایر علوم محاسباتی و دادهای کاربردی باشید - R Recipes باید یک عنصر اصلی برای کتابخانه مرجع کد شما باشد. آنچه یاد خواهید گرفت نکات و ترفندهایی برای انجام مهاجرت به R یکدست و بدون درز دستور العمل های کد برای I/O، ساختارهای داده، تبدیل ها، رشته ها، تاریخ ها و موارد دیگر نحوه استفاده از گرافیک و تجسم در R با استفاده از R برای احتمال، آمار، فرضیه تستها، سریهای زمانی رگرسیون خطی و موارد دیگر نحوه نوشتن کدها و الگوهای عملی برای تجزیه و تحلیل مالی و دادههای بزرگ کد برای انجام اعداد یا تجزیه و تحلیل عددی، فراتر از برنامهنویسی آماری، این کتاب برای چه کسی است. به شما کمک کند تا شروع کنید اگر یک برنامه نویس داده با تجربه هستید، به شما یادآوری می کند و همچنین پایگاه دانش شما را گسترش می دهد. بنابراین، کار را سریعتر انجام میدهید و در این فرآیند درباره R اطلاعات بیشتری کسب خواهید کرد. فهرست مطالب 1. مهاجرت به R 2. ورودی و خروجی 3. ساختارهای داده 4. ادغام و تغییر شکل مجموعه داده ها 5. کار با تاریخ ها و رشته ها 6. کار با داده های جدولی 7. کار با داده های عددی 8. گرافیک و تصویرسازی داده ها 9. توزیع احتمالات 10. آزمون تفاوت ها 11. آزمون های روابط 12. آمار قوی مدرن 13. توابع نوشتاری 14. کار با داده های مالی 15. برخورد با داده های بزرگ 16. مقدمه ای بر متن و داده کاوی
R Recipes is your handy problem-solution reference for learning and using the popular R programming language for statistics and other numerical analysis. Packed with hundreds of code and visual recipes, this book helps you to quickly learn the fundamentals and explore the frontiers of programming, analyzing and using R. R Recipes provides textual and visual recipes for easy and productive templates for use and re-use in your day-to-day R programming and data analysis practice. Whether you're in finance, cloud computing, big or small data analytics, or other applied computational and data science - R Recipes should be a staple for your code reference library. What you’ll learn Tips and tricks for making the migration to R smooth and seamless Code recipes for I/O, data structures, transformations, strings, dates and more How to use graphics and visualization in R Using R for probability, statistics, hypothesis tests, linear regression time series and more How to write practical code and templates for finance and big data analytics Code for doing numerics or numerical analysis, beyond just statistical programming Who this book is for If you’re new to R, then R Recipes will help get you started. If you’re an experienced data programmer, then it will remind you as well as expand upon your knowledge base; so, you’ll get the job done faster and learn more about R in the process. Table of Contents 1. Migrating to R 2. Input and Output 3. Data Structures 4. Merging and Reshaping Datasets 5. Working with Dates and Strings 6. Working with Tabular Data 7. Working with Numerical Data 8. Graphics and Data Visualization 9. Probability Distributions 10. Tests of Differences 11. Tests of Relationships 12. Modern Robust Statistics 13. Writing Functions 14. Working with Financial Data 15. Dealing with Big Data 16. Introduction to Text and Data Mining
Table of Contents 1. Migrating to R 2. Input and Output 3. Data Structures 4. Merging and Reshaping Datasets 5. Working with Dates and Strings 6. Working with Tabular Data 7. Working with Numerical Data 8. Graphics and Data Visualization 9. Probability Distributions 10. Tests of Differences 11. Tests of Relationships 12. Modern Robust Statistics 13. Writing Functions 14. Working with Financial Data 15. Dealing with Big Data 16. Introduction to Text and Data Mining