Simulation for Data Science with R

با استفاده از R

درباره این کتاب

، از داده‌های خود با آمار محاسباتی و شبیه‌سازی‌ها، از اطلاعات عملی استفاده کنید.
• پنج تکنیک شبیه‌سازی مختلف (مونته کارلو، شبیه‌سازی رویداد گسسته، دینامیک سیستم، مدل‌سازی مبتنی بر عامل، و نمونه‌گیری مجدد) را به طور عمیق با استفاده از مطالعات موردی در دنیای واقعی بیاموزید
• کتابی منحصر به فرد که به شما می‌آموزد مفاهیم اساسی و اساسی در مدل سازی و شبیه سازی آماری

این کتاب برای چه کسی است

این کتاب برای کاربرانی است که با روش های محاسباتی آشنا هستند. . اگر می‌خواهید در مورد ویژگی‌های پیشرفته R، از جمله روش‌های مونت کارلوی کامپیوتری و همچنین ابزارهای محاسباتی برای شبیه‌سازی آماری اطلاعات کسب کنید، این کتاب برای شما مناسب است. دانش خوب برنامه نویسی R فرض می شود/الزامی است.

آنچه شما خواهید آموخت

• هدف این کتاب بررسی ویژگی های پیشرفته R برای شبیه سازی داده ها به اطلاعات بینش را از داده های خود استخراج کنید.
• با ویژگی های پیشرفته R از جمله محاسبات با کارایی بالا و دستکاری پیشرفته داده ها آشنا شوید
• شبیه سازی اعداد تصادفی مورد استفاده برای شبیه سازی توزیع ها، مجموعه داده ها و جمعیت ها
• شبیه سازی جمعیت های نزدیک به واقعیت به عنوان پایه ای برای شبیه سازی های میکرو، مدل و طراحی مبتنی بر عامل
• کاربردهای طراحی راه حل های آماری با R برای حل علمی و مشکلات دنیای واقعی
• پوشش جامع چندین بسته آماری R مانند boot، simPop، VIM، data.table، dplyr، parallel، StatDA، simecol، simecolModels، deSolve و بسیاری موارد دیگر.

In Detail

Data Science with R به شما آموزش می دهد که چگونه با بهره گیری از اکوسیستم بسته های قدرتمند Rs، انجام وظایف علم داده را آغاز کنید. R به عنوان پرکاربردترین زبان برنامه نویسی در هنگام استفاده از علم داده می تواند ترکیبی قدرتمند برای حل پیچیدگی های مرتبط با مجموعه داده های متنوع در دنیای واقعی باشد.

این کتاب یک چارچوب محاسباتی و روش شناختی برای شبیه سازی آماری ارائه می دهد. به کاربران از طریق این کتاب با محیط نرم افزار R آشنا می شوید. پس از آشنایی با پیشینه روش های رایج در زمینه آمار محاسباتی، برنامه هایی را در R برای درک بهتر روش ها و همچنین کسب تجربه کار مشاهده خواهید کرد. با داده های دنیای واقعی و مشکلات دنیای واقعی. این کتاب به کشف الگوهای مقیاس بزرگ در سیستم‌های پیچیده که وابستگی‌های متقابل و تنوع حیاتی هستند، کمک می‌کند. یک شبیه‌سازی مؤثر توسط فرآیندهای تولید داده‌ای انجام می‌شود که به‌طور دقیق جمعیت‌های فیزیکی واقعی را منعکس می‌کنند. شما یاد خواهید گرفت که چگونه یک پروژه شبیه سازی را برنامه ریزی و ساختار دهید تا به فرآیند تصمیم گیری و همچنین ارائه نتایج کمک کند.

در پایان این کتاب، شما خواننده با نرم افزار در تماس خواهید بود. محیط R. پس از دریافت پیشینه در مورد روش‌های رایج در منطقه، برنامه‌هایی را در R برای درک بهتر روش‌ها و همچنین کسب تجربه هنگام کار بر روی داده‌های دنیای واقعی و مشکلات دنیای واقعی مشاهده خواهید کرد.

سبک و رویکرد

این کتاب یک رویکرد عملی و عملی برای توضیح روش‌های محاسبات آماری دارد، در مورد استفاده از این روش‌ها توصیه می‌کند و ابزارهای محاسباتی را برای کمک به شما ارائه می‌کند. حل مشکلات رایج در شبیه سازی آماری و روش های کامپیوتری فشرده.

دانلود کد نمونه برای این کتاب. می‌توانید فایل‌های کد نمونه را برای همه کتاب‌های Packt که از حساب خود در http://www.PacktPub.com خریداری کرده‌اید دانلود کنید. اگر این کتاب را از جای دیگری خریداری کرده اید، می توانید از http://www.PacktPub.com/support دیدن کنید و برای داشتن فایل کد ثبت نام کنید.

Harness actionable insights from your data with computational statistics and simulations using R

About This Book

• Learn five different simulation techniques (Monte Carlo, Discrete Event Simulation, System Dynamics, Agent-Based Modeling, and Resampling) in-depth using real-world case studies
• A unique book that teaches you the essential and fundamental concepts in statistical modeling and simulation

Who This Book Is For

This book is for users who are familiar with computational methods. If you want to learn about the advanced features of R, including the computer-intense Monte-Carlo methods as well as computational tools for statistical simulation, then this book is for you. Good knowledge of R programming is assumed/required.

What You Will Learn

• The book aims to explore advanced R features to simulate data to extract insights from your data.
• Get to know the advanced features of R including high-performance computing and advanced data manipulation
• See random number simulation used to simulate distributions, data sets, and populations
• Simulate close-to-reality populations as the basis for agent-based micro-, model- and design-based simulations
• Applications to design statistical solutions with R for solving scientific and real world problems
• Comprehensive coverage of several R statistical packages like boot, simPop, VIM, data.table, dplyr, parallel, StatDA, simecol, simecolModels, deSolve and many more.

In Detail

Data Science with R aims to teach you how to begin performing data science tasks by taking advantage of Rs powerful ecosystem of packages. R being the most widely used programming language when used with data science can be a powerful combination to solve complexities involved with varied data sets in the real world.

The book will provide a computational and methodological framework for statistical simulation to the users. Through this book, you will get in grips with the software environment R. After getting to know the background of popular methods in the area of computational statistics, you will see some applications in R to better understand the methods as well as gaining experience of working with real-world data and real-world problems. This book helps uncover the large-scale patterns in complex systems where interdependencies and variation are critical. An effective simulation is driven by data generating processes that accurately reflect real physical populations. You will learn how to plan and structure a simulation project to aid in the decision-making process as well as the presentation of results.

By the end of this book, you reader will get in touch with the software environment R. After getting background on popular methods in the area, you will see applications in R to better understand the methods as well as to gain experience when working on real-world data and real-world problems.

Style and approach

This book takes a practical, hands-on approach to explain the statistical computing methods, gives advice on the usage of these methods, and provides computational tools to help you solve common problems in statistical simulation and computer-intense methods.

Downloading the example code for this book. You can download the example code files for all Packt books you have purchased from your account at http://www.PacktPub.com. If you purchased this book elsewhere, you can visit http://www.PacktPub.com/support and register to have the code file.