Adattudományi alapok eszközök és technikák: R és Git segítségével végzett kvantitatív elemzések alapkészségei

Olvasói vélemények

Mike Freeman és Joel Ross „Programming Skills for Data Science” című könyve átfogó és közérthető bevezetés az adattudományba és az R programozásba, így alkalmas kezdők és az R-re áttérők számára is. A könyv módszeresen tárgyalja az alapvető témákat, és gyakorlatokkal támogatja a tanulást, bár bizonyos haladó területeken nem elég mélyreható.

⬤ Az alapvető adattudományi témák átfogó lefedettsége, beleértve a git, a markdown és az R programozás témaköreit.
⬤ Jól strukturált, világos magyarázatokkal, amelyek megkönnyítik az összetett fogalmak megértését.
⬤ Tartalmaz gyakorlati gyakorlatokat és a GitHubon elérhető forrásokat a gyakorlati gyakorláshoz.
⬤ Kezdők számára bátorító pedagógiai megközelítés, amely a világos kódolási példákra és az adatvizualizációra összpontosít.
⬤ Közérthető nyelven íródott, amely lépésről lépésre történő útmutatással támogatja a tanulókat.

⬤ Néhány fontos témát, például az objektumorientált programozást és az adatfeldolgozást nem tárgyalja megfelelően.
⬤ Bizonyos területeken nem elég mélyreható, és az adattudomány egyes árnyalatai nincsenek teljesen kifejezve.
⬤ Az olvasónak több fejlett betekintést és megoldást kívánhat az olyan gyakori kihívásokra, mint például a csomagkonfliktusok.

(9 olvasói vélemény alapján)

Eredeti címe:

Data Science Foundations Tools and Techniques: Core Skills for Quantitative Analysis with R and Git

Könyv tartalma:

Az alapvető gyakorlati készségek, amelyekre az adattudományba való belevetkőzéshez szükséged van

Az adattudományi technikák segítségével a nyers adatokat a várostervezéstől a precíziós orvoslásig terjedő területeken használható felismerésekké alakíthatja át. Programozási készségek az adattudományhoz összegyűjti az összes olyan alapvető készséget, amelyre szüksége van az induláshoz, még akkor is, ha nincs programozási vagy adattudományi tapasztalata.

A vezető oktatók, Michael Freeman és Joel Ross végigvezetik Önt a professzionális szintű adattudományi problémák megoldásához szükséges eszközök telepítésén és konfigurálásán, beleértve a széles körben használt R nyelvet és a Git verziókezelő rendszert. Elmagyarázzák, hogyan lehet az adatokat olyan formába hozni, hogy azok könnyen felhasználhatók, elemezhetők és vizualizálhatók legyenek, hogy mások is láthassák az általad feltárt mintákat. Lépésről lépésre elsajátíthatod a hatékony R programozási technikákat és a hibaelhárítási készségeket, amelyekkel új módon és nagyobb léptékben vizsgálhatod meg az adatokat.

Freeman és Ross gyakorlati példákon és gyakorlatokon keresztül tanít, amelyek teljes adattudományi projektekben kombinálhatók. Minden a valós alkalmazásra összpontosít, így gyorsan elkezdheti saját adatainak elemzését, és olyan válaszokat kaphat, amelyek alapján cselekedhet. Tanuljon meg.

⬤ Telepítse a teljes adattudományi környezetet, beleértve az R-t és az RStudio-t.

⬤ A projektek hatékony kezelése, a verziókövetéstől a dokumentációig.

⬤ Hostolja, kezelje és működtesse együtt az adattudományi projekteket a GitHub segítségével.

⬤ Az R nyelv alapjainak elsajátítása: szintaxis, programozási fogalmak és adatszerkezetek.

⬤ Adatok betöltése, formázása, feltárása és átstrukturálása a sikeres elemzés érdekében.

⬤ Együttműködés adatbázisokkal és webes API-kkal.

⬤ Az adatok pontos és intuitív vizualizációjának legfontosabb alapelveinek elsajátítása.

⬤ Megragadó, interaktív vizualizációk készítése a ggplot és más R csomagok segítségével.

⬤ Az elemzések átformálása megosztható dokumentumokká és webhelyekké az R Markdown segítségével.

⬤ Interaktív webes adattudományi alkalmazások készítése a Shiny segítségével.

⬤ Gördülékeny együttműködés egy adattudományi csapat részeként.

Regisztrálja a könyvet, hogy kényelmesen hozzáférhessen a letöltésekhez, frissítésekhez és/vagy javításokhoz, amint azok elérhetővé válnak. A részleteket lásd a könyv belsejében.