✅ جایگاه هر پکیج در جریان علوم داده:
#Data_Science_Workflow in R

1- فراخوانی و استخراج داده
(readr, data.table, rvest, xml2..)
2- تبدیل داده و تمیزسازی
(Tidyverse= dplyr, magrittr, tidyr, purrr, tibble, stringr, lubridate, ggplot)

پردازش پیچیده و داده حجیم:
SparklyR , Revolution R

3- مدلسازی و ارزیابی
(H2o, keras, GBM, CARET, Party, e1071,broom,rattle_Gui..)

4- ارائه نتایج و مصورسازی
(ggplot & plotly & Highcharter)

5- مدیریت دانش: مستندسازی و ساخت گزارش
(Rmarkdown & R Notebook & blogdown & bookdown )

6- ایجاد web application و داشبورد
(Shiny & Shiny Dashboard)


#R
#shiny
#rmarkdown
#Tidyvers

🌐 @Data_ScienceR

✅ جایگاه هر پکیج در جریان علوم داده:
#Data_Science_Workflow in R

1- فراخوانی و استخراج داده
(readr, data.table, rvest, xml2..)
2- تبدیل داده و تمیزسازی
(Tidyverse= dplyr, magrittr, tidyr, purrr, tibble, stringr, lubridate, ggplot)

پردازش پیچیده و داده حجیم:
SparklyR , Revolution R

3- مدلسازی و ارزیابی
(H2o, keras, GBM, CARET, Party, e1071,broom,rattle_Gui..)

4- ارائه نتایج و مصورسازی
(ggplot & plotly & Highcharter)

5- مدیریت دانش: مستندسازی و ساخت گزارش
(Rmarkdown & R Notebook & blogdown & bookdown )

6- ایجاد web application و داشبورد
(Shiny & Shiny Dashboard)


#R
#shiny
#rmarkdown
#Tidyvers

🌐 @Data_ScienceR

📚 learn Data Science (8 Steps)
مهارت های مورد نیاز در زمینه علوم داده


#data_science

https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR

✅📣 📣 برنامه آتی کانل:

1- آموزش ابزارها و متدولوژی های تحلیل داده:

در پست های قبل فلسفه و منطق متدولوژی های علم تحلیل داده مختصرا معرفی گردید و در ادامه سرفصلهای زیر نیز مختصرا معرفی میشود.

آموزش و معرفی مدل های:
- رگرسیون تک، دو و سه بعدی

- آموزش رگرسیون ها خاص (رگرسیون های سانسور شده، هکمن، رگرسیون های به ظاهر نامرتبط و سیستم معادلات همزمان)

- آموزش مدلهای یادگیری ماشین با ناظر

- آموزش مدل های یادگیری فاقد نظارت یا بدون معلم

2- آموزش مصورسازی داده ها و داشبوردسازی

3- آموزش نوشتن وب اپلیکیشن و معماری پشت آن
(Server and UI)

4 معرفی تکنولوژی‌ها و معماری های پیشرو در علم Data Science

#Modeling
#Regression
#ML
#data_visualization
#web_app
#Data_Science

🆔https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR

✅ کمبریج آنالیتیکا
مثالی واقعی از کارکرد علوم داده در دنیای واقعی

#Data_Analytics
#data_science

🌐@Data_ScienceR
https://t.iss.one/Data_ScienceR

📊📚ویدیو آشنایی با نحوه اپلیکیشن نویسی با رویکرد داده محور Data Driven در R و معرفی بستر Shiny برای نوشتن وب اپلیکیشن

در ویدیو های آتی نحوه اپلیکیشن نویسی بصورت گام به گام آموزش داده خواهد شد.
مدرس: خاندانی

#R_shiny
#Shiny
#web_app
#R
#Data_Science

https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR

📊 دمو واقعی از یک نمونه وب اپلیکیشن با شاینی

Shiny R-Ladies Demo

#Demo
#Data_Science
#R_Shiny
➖➖➖➖➖➖➖➖➖➖➖
برای مشاهده دمو روی لینک زیر کلیک نمایید:

https://benubah.github.io/r-community-explorer/gsoc.html

✅آموزش فارسی مصورسازی اطلاعات با استفاده از دستور زبان گرافیکی

📊Data Visualization with Grammar of Graphics for Data Science

معرفی و آموزش دستور زبان گرامر گرافیکی با استفاده از ggplot با استفاده از لایه های geometry

📒مزیت ها:
1⃣ برنامه نویسی آسان
2⃣ قابلیت سوار کردن انواع پلات های روی لایه ثابت
3⃣ تلفیق آسان انواع پلات ها
4⃣ تنوع بالای پلات ها و توابع geom

🔖مدرس: خاندانی

#R
#python
#data_visualization
#ggplot
#Data_Science

➖➖➖➖➖➖➖➖➖➖
🆔
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR

🅰 پارت اول
✅بخش اول: آموزش فارسی اپلیکیشن نویسی با استفاده از فریمورک شاینی (با رویکرد داده محور)

📊Web Application with Shiny




📒مزیت ها:
1⃣ ایجاد وب اپلیکیشن نیمه خودکار
2⃣ پشتیبانی از زبان های حوزه علم داده
R & python
3⃣ استفاده از برنامه نویسی ترکیبی جاوا اسکریپت، html و غیره برای توسعه وب اپلیکیشن
4⃣ تولید اتوماتیک کدهای جاوا اسکریپت، html و css

🔖مدرس: خاندانی

#Shiny
#R
#python
#Web_App
#shinyDashboard
#Data_Science

➖➖➖➖➖➖➖➖➖➖
🆔
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR

🅰پارت دوم
✅بخش اول: آموزش فارسی اپلیکیشن نویسی با استفاده از فریمورک شاینی (با رویکرد داده محور- معماری و ساختار)

📊Web Application with Shiny


📒سرفصل های بخش دوم:
1⃣ معرفی معماری و توپولوژی سمت کاربر و سرور
2⃣ معرفی تکنولوژی‌های استفاده شده در شاینی
3⃣ معرفی وجیت ها و ابزارها
Widgets
4⃣ معرفی توابع رندر و تعامل با واسط کاربری

🔖مدرس: خاندانی

#Shiny
#R
#python
#Web_App
#shinyDashboard
#Data_Science

➖➖➖➖➖➖➖➖➖➖
🆔
https://t.iss.one/Data_ScienceR
🌐@Data_ScienceR

📕 آموزش نیمه خودکار تمیزسازی داده ها کثیف با یک دستور در چند دقیقه


📒 تبدیل هر نوع فرمت کثیف و غیراستاندارد داده های زمانی به فرمت استاندارد

در این ویدیو نحوه تمیزسازی خودکار داده های زمانی میلادی را با استفاده از چند تابع ساده خدمت شما آموزش می دهیم.
- Lubridate
- anytime
-anydate
🏷مدرس: خاندانی

➖➖➖➖➖➖➖➖➖
#R
#data_cleaning
#Lubridate
#anytime
#data_science

🆔
https://t.iss.one/Data_ScienceR
@Data_ScienceR

🅰 آموزش #عملیاتی تخمین رگرسیون های #سانسور_شده در تحلیل کسب و کار

Censored Regression in R
رگرسیونهای #سانسور_شده

Business Analysis

📒 آموزش کار و تحلیل #داده های #سانسور در حوزه #علوم_داده و #کسب_و_کار

🔖مدرس: خاندانی

#censored_data
#censored_regression
#R
#Tobit
#data_science

➖➖➖➖➖➖➖➖➖
Link
🆔
https://t.iss.one/Data_ScienceR
@Data_ScienceR

🅰 آموزش فارسی ایجاد #اتوماتیک وب سایت #داده_محور در چند دقیقه در R
R and Python

📒 #Data_Driven Web for #Data_Science

آموزش ایجاد وب سایت خودکار داده محور در زبان آر:

📕امکان پیاده سازی الگوریتم های آماری و یادگیری ماشین با زبان های:

1⃣ پایتون #python
2⃣ آر #R
3⃣ اس کیو ال #SQL
4⃣ جاوا اسکریپت #D3


🔖مدرس: خاندانی

#blogdown
#R
#python
#website

➖➖➖➖➖➖➖➖
Link
🆔
https://t.iss.one/Data_ScienceR
@Data_ScienceR

🅱آموزش تکمیلی: آموزش تکنیک‌ها و #ترفندهای مصورسازی #معنادار در علم داده

📕 Data Viz with ggplot in R

📒 مصورسازی #ترکیبی در زبان برنامه نویسی آر با استفاده از عملگر های ریاضی و منطقی

آموزش تکنیک‌ها و #ترفندهای مصورسازی #آسان


🔖 مدرس: خاندانی

#Data_Visualization
#Data_Science

➖➖➖➖➖➖➖➖➖
Link
🆔
https://t.iss.one/Data_ScienceR
@Data_ScienceR