Narzędzia i techniki Data Science Foundations: Podstawowe umiejętności analizy ilościowej z R i Git

Opinie czytelników

Książka „Programming Skills for Data Science” autorstwa Mike'a Freemana i Joela Rossa stanowi kompleksowe i przystępne wprowadzenie do nauki o danych i programowania w języku R, dzięki czemu jest odpowiednia dla początkujących i tych, którzy przechodzą do R. Obejmuje podstawowe tematy metodycznie i wspiera naukę ćwiczeniami, chociaż brakuje jej głębi w niektórych zaawansowanych obszarach.

⬤ Wszechstronne omówienie podstawowych tematów związanych z nauką o danych, w tym git, markdown i programowanie w R.
⬤ Dobrze skonstruowany z jasnymi wyjaśnieniami, dzięki czemu złożone koncepcje są łatwiejsze do zrozumienia.
⬤ Zawiera praktyczne ćwiczenia i zasoby dostępne na GitHub do praktycznej praktyki.
⬤ Podejście pedagogiczne, które jest zachęcające dla początkujących, z naciskiem na jasne przykłady kodowania i wizualizację danych.
⬤ Napisana przystępnym językiem, który wspiera uczących się za pomocą wskazówek krok po kroku.

⬤ Niektóre ważne tematy, takie jak programowanie obiektowe i zarządzanie danymi, są niedostatecznie omówione.
⬤ Brak głębi w niektórych obszarach, a niektóre niuanse nauki o danych nie są w pełni wyartykułowane.
⬤ Może sprawić, że czytelnicy będą chcieli bardziej zaawansowanych spostrzeżeń i rozwiązań typowych wyzwań, takich jak konflikty pakietów.

(na podstawie 9 opinii czytelników)

Oryginalny tytuł:

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

Zawartość książki:

Podstawowe umiejętności praktyczne niezbędne do rozpoczęcia nauki o danych The Foundational Hands-On Skills You Need to Dive into Data Science.

Korzystając z technik nauki o danych, można przekształcić surowe dane w przydatne informacje dla różnych dziedzin, od planowania urbanistycznego po medycynę precyzyjną. Programming Skills for Data Science gromadzi wszystkie podstawowe umiejętności potrzebne do rozpoczęcia pracy, nawet jeśli nie masz doświadczenia w programowaniu lub nauce o danych.

Czołowi instruktorzy Michael Freeman i Joel Ross przeprowadzą Cię przez proces instalacji i konfiguracji narzędzi potrzebnych do rozwiązywania problemów związanych z nauką o danych na profesjonalnym poziomie, w tym szeroko stosowanego języka R i systemu kontroli wersji Git. Wyjaśniają, jak przekształcić dane w formę, w której można je łatwo wykorzystywać, analizować i wizualizować, aby inni mogli zobaczyć odkryte wzorce. Krok po kroku, opanujesz potężne techniki programowania R i umiejętności rozwiązywania problemów w celu sondowania danych na nowe sposoby i na większą skalę.

Freeman i Ross uczą poprzez praktyczne przykłady i ćwiczenia, które można łączyć w kompletne projekty nauki o danych. Wszystko koncentruje się na rzeczywistych zastosowaniach, dzięki czemu można szybko rozpocząć analizę własnych danych i uzyskać odpowiedzi, na które można działać. Naucz się.

⬤ Zainstaluj kompletne środowisko nauki o danych, w tym R i RStudio.

⬤ Efektywne zarządzanie projektami, od śledzenia wersji po dokumentację.

⬤ Hostuj, zarządzaj i współpracuj nad projektami nauki o danych za pomocą GitHub.

⬤ Opanuj podstawy języka R: składnię, koncepcje programowania i struktury danych.

⬤ Wczytywanie, formatowanie, eksploracja i restrukturyzacja danych w celu skutecznej analizy.

⬤ Interakcja z bazami danych i internetowymi interfejsami API.

⬤ Opanowanie kluczowych zasad dokładnej i intuicyjnej wizualizacji danych.

⬤ Tworzenie angażujących, interaktywnych wizualizacji za pomocą ggplot i innych pakietów R.

⬤ Przekształcanie analiz w dokumenty i witryny, które można udostępniać za pomocą R Markdown.

⬤ Twórz interaktywne aplikacje internetowe do nauki o danych za pomocą Shiny.

⬤ Płynnie współpracować w ramach zespołu data science.

Zarejestruj swoją książkę, aby uzyskać wygodny dostęp do pobierania, aktualizacji i/lub poprawek, gdy tylko staną się dostępne. Szczegóły znajdują się wewnątrz książki.