reklama - zainteresowany?

Data Science. Programowanie, analiza i wizualizacja danych z wykorzystaniem języka R - Helion

Data Science. Programowanie, analiza i wizualizacja danych z wykorzystaniem języka R
ebook
Autor: Michael Freeman, Joel Ross
Tytuł oryginału: Programming Skills for Data Science: Start Writing Code to Wrangle, Analyze, and Visualize Data with R
TÅ‚umaczenie: Tomasz Walczak
ISBN: 978-83-283-5783-9
stron: 353, Format: ebook
Data wydania: 2019-10-01
Księgarnia: Helion

Cena książki: 51,75 zł (poprzednio: 69,00 zł)
Oszczędzasz: 25% (-17,25 zł)

Dodaj do koszyka Data Science. Programowanie, analiza i wizualizacja danych z wykorzystaniem języka R

Tagi: R - Programowanie

Aby surowe dane przekuć w gotowÄ… do wykorzystania wiedzÄ™, potrzebna jest umiejÄ™tność ich analizy, przeksztaÅ‚cania i niekiedy również wizualizacji. NagrodÄ… za wÅ‚ożony w to wysiÅ‚ek jest lepsze rozumienie różnych zÅ‚ożonych zagadnieÅ„ z wielu dziedzin wiedzy. Co wiÄ™cej, znajomość procesów programowego przetwarzania danych pozwala na szybkie wykrywanie i opisywanie wzorców danych, praktycznie niemożliwych do dostrzeżenia innymi technikami. Dla wielu badaczy jednak barierÄ… na drodze do skorzystania z tych atrakcyjnych możliwoÅ›ci jest konieczność pisania kodu.

Oto podrÄ™cznik programowania w jÄ™zyku R dla analityków danych, szczególnie przydatny dla osób, które nie majÄ… doÅ›wiadczenia w tej dziedzinie. DokÅ‚adnie opisano tu potrzebne narzÄ™dzia i technologie. Zamieszczono wskazówki dotyczÄ…ce instalacji i konfiguracji oprogramowania do pisania kodu, wykonywania go i zarzÄ…dzania nim, a także Å›ledzenia wersji projektów i zmian w nich oraz korzystania z innych podstawowych mechanizmów. Poszczególne kroki tworzenia kodu w jÄ™zyku R wyjaÅ›niono dokÅ‚adnie i przystÄ™pnie. DziÄ™ki tej książce można pÅ‚ynnie przejść do konkretnych zadaÅ„ i budować potrzebne aplikacje. Zrozumienie prezentowanych w niej treÅ›ci uÅ‚atwiajÄ… liczne przykÅ‚ady i ćwiczenia, co pozwala szybko przystÄ…pić do skutecznego analizowania wÅ‚asnych zbiorów danych.

W tej książce między innymi:

  • przygotowanie Å›rodowiska pracy i rozpoczÄ™cie programowania w R
  • podstawy zarzÄ…dzania projektami, kontrola wersji i generowanie dokumentacji
  • ramki danych, pakiety dplyr i tidyr
  • kod do wizualizacji danych i pakiet ggplot2
  • tworzenie aplikacji i techniki wspóÅ‚pracy w zespoÅ‚ach specjalistów

Po prostu R i dane. Wyciśniesz każdą kroplę wiedzy!

Dodaj do koszyka Data Science. Programowanie, analiza i wizualizacja danych z wykorzystaniem języka R

 

Osoby które kupowały "Data Science. Programowanie, analiza i wizualizacja danych z wykorzystaniem języka R", wybierały także:

  • R i pakiet shiny. Kurs video. Interaktywne aplikacje w analizie danych
  • Zaawansowana analiza danych. Jak przej
  • Statystyka praktyczna w data science. 50 kluczowych zagadnieÅ„ w jÄ™zykach R i Python. Wydanie II
  • JÄ™zyk R. Receptury. Analiza danych, statystyka i przetwarzanie grafiki. Wydanie II
  • Deep Learning. Praca z jÄ™zykiem R i bibliotekÄ… Keras

Dodaj do koszyka Data Science. Programowanie, analiza i wizualizacja danych z wykorzystaniem języka R

Spis treści

Data Science. Programowanie, analiza i wizualizacja danych z wykorzystaniem języka R eBook -- spis treści

  • Przedmowa
  • Wprowadzenie
    • Główny temat książki
    • Dla kogo przeznaczona jest ta książka?
    • Struktura książki
      • Część I. Wprowadzenie
      • Część II. ZarzÄ…dzanie projektami
      • Część III. Podstawowe umiejÄ™tnoÅ›ci z zakresu jÄ™zyka R
      • Część IV. PrzeksztaÅ‚canie danych
      • Część V. Wizualizacja danych
      • Część VI. Tworzenie i udostÄ™pnianie aplikacji
    • Konwencje stosowane w książce
    • Jak czytać tÄ™ książkÄ™?
    • PowiÄ…zany kod
    • PodziÄ™kowania
  • O autorach
  • I. Wprowadzenie
  • 1. Przygotowywanie komputera
    • Pisanie kodu
    • ZarzÄ…dzanie kodem
    • Wykonywanie kodu
    • 1.1. Przygotowywanie narzÄ™dzi używanych w wierszu poleceÅ„
      • 1.1.1. Wiersz poleceÅ„ w systemie macOS
      • 1.1.2. Wiersz poleceÅ„ w systemie Windows
      • 1.1.3. Wiersz poleceÅ„ w systemie Linux
    • 1.2. Instalowanie systemu git
    • 1.3. Tworzenie konta w serwisie GitHub
    • 1.4. Wybieranie edytora tekstu
      • 1.4.1. Atom
      • 1.4.2. Visual Studio Code
      • 1.4.3. Sublime Text
    • 1.5. Pobieranie jÄ™zyka R
    • 1.6. Pobieranie Å›rodowiska RStudio
  • 2. Używanie wiersza poleceÅ„
    • 2.1. Uruchamianie wiersza poleceÅ„
    • 2.2. Poruszanie siÄ™ w systemie plików
      • 2.2.1. Przechodzenie do innego katalogu
      • 2.2.2. WyÅ›wietlanie listy plików
      • 2.2.3. Åšcieżki
    • 2.3. ZarzÄ…dzanie plikami
      • 2.3.1. Uczenie siÄ™ nowych instrukcji
      • 2.3.2. Symbole wieloznaczne
    • 2.4. Radzenie sobie z bÅ‚Ä™dami
    • 2.5. Przekierowywanie danych wyjÅ›ciowych
    • 2.6. Polecenia zwiÄ…zane z sieciÄ…
  • II. ZarzÄ…dzanie projektami
  • 3. Kontrola wersji z użyciem systemu git i serwisu GitHub
    • 3.1. Czym jest git?
      • 3.1.1. Podstawowe zagadnienia zwiÄ…zane z systemem git
      • 3.1.2. Czym jest GitHub?
    • 3.2. Konfigurowanie narzÄ™dzi i tworzenie projektu
      • 3.2.1. Tworzenie repozytorium
      • 3.2.2. Sprawdzanie stanu
    • 3.3. Åšledzenie zmian w projekcie
      • 3.3.1. Dodawanie plików
      • 3.3.2. Zatwierdzanie
        • 3.3.2.1. Etykieta dotyczÄ…ca informacji na temat rewizji
      • 3.3.3. Proces używania systemu git
    • 3.4. Zapisywanie projektów w witrynie GitHub
      • 3.4.1. Forki i klonowanie
      • 3.4.2. WysyÅ‚anie i pobieranie
    • 3.5. DostÄ™p do historii projektu
      • 3.5.1. Historia rewizji
      • 3.5.2. Powrót do starszych wersji
    • 3.6. Ignorowanie plików w projekcie
  • 4. Tworzenie dokumentacji za pomocÄ… jÄ™zyka Markdown
    • 4.1. Pisanie kodu w jÄ™zyku Markdown
      • 4.1.1. Formatowanie tekstu
      • 4.1.2. Bloki tekstu
      • 4.1.3. HiperÅ‚Ä…cza
      • 4.1.4. Rysunki
      • 4.1.5. Tabele
    • 4.2. WyÅ›wietlanie dokumentów w jÄ™zyku Markdown
  • III. Podstawowe umiejÄ™tnoÅ›ci z zakresu jÄ™zyka R
  • 5. Wprowadzenie do jÄ™zyka R
    • 5.1. Programowanie z użyciem jÄ™zyka R
    • 5.2. Uruchamianie kodu w jÄ™zyku R
      • 5.2.1. Używanie Å›rodowiska RStudio
      • 5.2.2. Używanie jÄ™zyka R w wierszu poleceÅ„
    • 5.3. Dodawanie komentarzy
    • 5.4. Definiowanie zmiennych
      • 5.4.1. Podstawowe typy danych
    • 5.5. Szukanie pomocy
      • 5.5.1. Nauka uczenia siÄ™ jÄ™zyka R
  • 6. Funkcje
    • 6.1. Czym jest funkcja?
      • 6.1.1. SkÅ‚adnia funkcji w jÄ™zyku R
    • 6.2. Wbudowane funkcje jÄ™zyka R
      • 6.2.1. Argumenty nazwane
    • 6.3. Wczytywanie funkcji
    • 6.4. Pisanie funkcji
      • 6.4.1. Debugowanie funkcji
    • 6.5. Instrukcje warunkowe
  • 7. Wektory
    • 7.1. Czym jest wektor?
      • 7.1.1. Tworzenie wektorów
    • 7.2. Operacje wektorowe
      • 7.2.1. Ponowne używanie elementów
      • 7.2.2. Prawie wszystko jest wektorem
      • 7.2.3. Funkcje wektorowe
    • 7.3. Indeksy w wektorach
      • 7.3.1. Listy indeksów
    • 7.4. Filtrowanie wektorów
    • 7.5. Modyfikowanie wektorów
  • 8. Listy
    • 8.1. Czym jest lista?
    • 8.2. Tworzenie list
    • 8.3. DostÄ™p do elementów listy
    • 8.4. Modyfikowanie list
      • 8.4.1. Pojedyncze i podwójne nawiasy kwadratowe
    • 8.5. Stosowanie funkcji do list za pomocÄ… wywoÅ‚ania lapply()
  • IV> PrzeksztaÅ‚canie danych
  • 9. Jak zrozumieć dane?
    • 9.1. Proces generowania danych
    • 9.2. Wyszukiwanie danych
    • 9.3. Rodzaje danych
      • 9.3.1. Skale pomiarowe
      • 9.3.2. Struktury danych
    • 9.4. Interpretowanie danych
      • 9.4.1. Zdobywanie wiedzy w danej dziedzinie
      • 9.4.2. Jak zrozumieć schematy danych?
    • 9.5. Odpowiadanie na pytania na podstawie danych
  • 10. Ramki danych
    • 10.1. Czym jest ramka danych?
    • 10.2. Praca z ramkami danych
      • 10.2.1. Tworzenie ramek danych
      • 10.2.2. Opisywanie struktury ramek danych
      • 10.2.3. DostÄ™p do ramek danych
    • 10.3. Praca z danymi CSV
      • 10.3.1. Katalog roboczy
      • 10.3.2. Zmienne w postaci faktorów
  • 11. Operowanie danymi za pomocÄ… pakietu dplyr
    • 11.1. Gramatyka operowania danymi
    • 11.2. Podstawowe funkcje pakietu dplyr
      • 11.2.1. Pobieranie (funkcja select())
      • 11.2.2. Filtrowanie (funkcja filter())
      • 11.2.3. Dodawanie kolumn (funkcja mutate())
      • 11.2.4. Sortowanie danych (funkcja arrange())
      • 11.2.5. Tworzenie podsumowaÅ„ (funkcja summarize())
    • 11.3. Wykonywanie operacji sekwencyjnych
      • 11.3.1. Operator potoku
    • 11.4. Analizowanie ramek danych z wykorzystaniem grupowania
    • 11.5. ZÅ‚Ä…czanie ramek danych
    • 11.6. Pakiet dplyr w praktyce analizowanie danych na temat lotów
  • 12. PorzÄ…dkowanie danych za pomocÄ… pakietu tidyr
    • 12.1. Czym jest porzÄ…dkowanie danych?
    • 12.2. Od kolumn do wierszy gather()
    • 12.3. Z wierszy na kolumny spread()
    • 12.4. Pakiet tidyr w praktyce eksplorowanie statystyk na temat edukacji
  • 13. DostÄ™p do bazy danych
    • 13.1. PrzeglÄ…d relacyjnych baz danych
      • 13.1.1. Czym jest relacyjna baza danych?
      • 13.1.2. Tworzenie relacyjnej bazy danych
    • 13.2. WstÄ™p do jÄ™zyka SQL
    • 13.3. DostÄ™p do bazy danych w jÄ™zyku R
  • 14. Używanie internetowych interfejsów API
    • 14.1. Czym jest internetowy interfejs API?
    • 14.2. Żądania REST
      • 14.2.1. Identyfikatory URI
        • 14.2.1.1. Parametry zapytaÅ„
        • 14.2.1.2. Tokeny dostÄ™pu i klucze API
      • 14.2.2. Operacje (czasowniki) z protokoÅ‚u HTTP
    • 14.3. DostÄ™p do internetowych interfejsów API w R
    • 14.4. Przetwarzanie danych w formacie JSON
      • 14.4.1. Przetwarzanie danych w formacie JSON
      • 14.4.2. SpÅ‚aszczanie danych
    • 14.5. Interfejsy API w praktyce znajdowanie kubaÅ„skiego jedzenia w Seattle
  • V. Wizualizacje danych
  • 15. Projektowanie wizualizacji danych
    • 15.1. Cel wizualizacji
    • 15.2.Wybieranie ukÅ‚adu graficznego
      • 15.2.1. Wizualizowanie jednej zmiennej
        • 15.2.1.1. Reprezentacje proporcjonalne
      • 15.2.2. Wizualizowanie wielu zmiennych
      • 15.2.3. Wizualizowanie danych hierarchicznych
    • 15.3. Wybieranie skutecznego kodowania graficznego
      • 15.3.1. Skuteczne kolory
      • 15.3.2. Wykorzystanie atrybutów przeduwagowych
    • 15.4. Ekspresywne prezentacje danych
    • 15.5. ZwiÄ™kszanie estetyki
  • 16. Tworzenie wizualizacji za pomocÄ… pakietu ggplot2
    • 16.1. Gramatyka grafiki
    • 16.2. Tworzenie podstawowych wykresów za pomocÄ… ggplot2
      • 16.2.1. OkreÅ›lanie obiektów geometrycznych
      • 16.2.2. Odwzorowania aspektów estetycznych
    • 16.3. ZÅ‚ożone ukÅ‚ady i dostosowywanie opcji
      • 16.3.1. Dostosowywanie pozycji
      • 16.3.2. Zmienianie stylu za pomocÄ… skal
        • 16.3.2.1. Skale kolorów
      • 16.3.3. UkÅ‚ad współrzÄ™dnych
      • 16.3.4. Fasety
      • 16.3.5. Etykiety i uwagi
    • 16.4. Tworzenie map
      • 16.4.1. Kartogramy
      • 16.4.2. Mapy punktowe
    • 16.5. Pakiet ggplot2 w praktyce mapa eksmisji w San Francisco
  • 17. Interaktywne wizualizacje w jÄ™zyku R
    • 17.1. Pakiet plotly
    • 17.2. Pakiet rbokeh
    • 17.3. Pakiet leaflet
    • 17.4. Interaktywne wizualizacje w praktyce analizowanie zmian w Seattle
  • VI. Tworzenie i udostÄ™pnianie aplikacji
  • 18. Tworzenie dynamicznych raportów za pomocÄ… platformy R Markdown
    • 18.1. Konfigurowanie raportu
      • 18.1.1. Tworzenie plików .rmd
      • 18.1.2. Kompilowanie dokumentów
    • 18.2. Integrowanie tekstu w formacie Markdown i kodu w jÄ™zyku R
      • 18.2.1. Wykonywalne fragmenty kodu w jÄ™zyku R
      • 18.2.2. Kod wewnÄ…trzwierszowy
    • 18.3. WyÅ›wietlanie danych i wizualizacji w raportach
      • 18.3.1. WyÅ›wietlanie Å‚aÅ„cuchów znaków
      • 18.3.2. WyÅ›wietlanie list w formacie Markdown
      • 18.3.3. WyÅ›wietlanie tabel
      • 18.3.4. WyÅ›wietlanie wykresów
    • 18.4. UdostÄ™pnianie raportów jako stron internetowych
    • 18.5. Platforma R Markdown w praktyce raport na temat oczekiwanej dÅ‚ugoÅ›ci życia
  • 19. Tworzenie interaktywnych aplikacji internetowych za pomocÄ… platformy Shiny
    • 19.1. Platforma Shiny
      • 19.1.1. Podstawowe zagadnienia dotyczÄ…ce platformy Shiny
      • 19.1.2. Struktura aplikacji
    • 19.2. Projektowanie interfejsów użytkownika
      • 19.2.1. TreÅ›ci statyczne
      • 19.2.2. Dynamiczne dane wejÅ›ciowe
      • 19.2.3. Dynamiczne dane wyjÅ›ciowe
      • 19.2.4. UkÅ‚ady
    • 19.3. Tworzenie serwerów aplikacji
    • 19.4. Publikowanie aplikacji na platformÄ™ Shiny
    • 19.5. Platforma Shiny w praktyce wizualizacja Å›miertelnych postrzeleÅ„ przez policjÄ™
  • 20. Praca zespoÅ‚owa
    • 20.1. Åšledzenie różnych wersji kodu za pomocÄ… gaÅ‚Ä™zi
      • 20.1.1. Praca z różnymi gaÅ‚Ä™ziami
      • 20.1.2. Scalanie gaÅ‚Ä™zi
      • 20.1.3. Scalanie a konflikty
      • 20.1.4. Scalanie w serwisie GitHub
    • 20.2. Prowadzenie projektów z użyciem gaÅ‚Ä™zi funkcji
    • 20.3. Współpraca w ramach scentralizowanego procesu pracy
      • 20.3.1. Tworzenie centralnego repozytorium
      • 20.3.2. Używanie gaÅ‚Ä™zi funkcji w scentralizowanym procesie pracy
    • 20.4. Współpraca w procesie pracy z użyciem forków
  • 21. Dalsza nauka
    • 21.1. Uczenie statystyczne
      • 21.1.1. Ocena zależnoÅ›ci
      • 21.1.2. Prognozowanie
    • 21.2. Inne jÄ™zyki programowania
    • 21.3. Odpowiedzialność etyczna

Dodaj do koszyka Data Science. Programowanie, analiza i wizualizacja danych z wykorzystaniem języka R

Code, Publish & WebDesing by CATALIST.com.pl



(c) 2005-2024 CATALIST agencja interaktywna, znaki firmowe należą do wydawnictwa Helion S.A.