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!

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

• Machine learning i jÄ™zyk R. Kurs video. Pierwsze kroki z pakietem mlr 39,00 zÅ‚, (19,50 zÅ‚ -50%)
• Zaawansowana analiza danych. Jak przej 58,84 zÅ‚, (32,95 zÅ‚ -44%)
• Statystyka praktyczna w data science. 50 kluczowych zagadnieÅ„ w jÄ™zykach R i Python. Wydanie II 67,77 zÅ‚, (37,95 zÅ‚ -44%)
• JÄ™zyk R. Receptury. Analiza danych, statystyka i przetwarzanie grafiki. Wydanie II 87,41 zÅ‚, (48,95 zÅ‚ -44%)
• Deep Learning. Praca z jÄ™zykiem R i bibliotekÄ… Keras 75,63 zÅ‚, (42,35 zÅ‚ -44%)

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