R در عمل، ویرایش سوم ۲۰۲۲
R in Action, Third Edition 2022

در R in Action, Third Edition خواهید آموخت چگونه:

* R و RStudio را نصب و راه‌اندازی کنید
* داده‌ها را با R پاکسازی، مدیریت و تحلیل کنید
* از بسته ggplot2 برای ترسیم نمودارها و مصورسازی داده‌ها استفاده کنید
* مشکلات مدیریت داده را با استفاده از توابع R حل کنید
* مدل‌های رگرسیونی را برازش و تفسیر کنید
* آزمون فرضیه انجام دهید و بازه‌های اطمینان را تخمین بزنید
* داده‌های پیچیده چندمتغیره را با استفاده از تحلیل مولفه‌های اصلی و تحلیل عاملی اکتشافی ساده کنید
* با استفاده از پیش‌بینی سری‌های زمانی، پیش‌بینی انجام دهید
* گزارش‌های پویا و مصورسازی‌های خیره‌کننده ایجاد کنید
* تکنیک‌هایی برای رفع اشکال برنامه‌ها و ایجاد بسته‌ها یاد بگیرید

R in Action, Third Edition یادگیری R را سریع و آسان می‌کند. به همین دلیل است که هزاران دانشمند داده این راهنما را برای کمک به تسلط بر این زبان قدرتمند انتخاب کرده‌اند. این کتاب به دور از یک اثر خشک آکادمیک، هر مثال موجود در این کتاب برای توسعه‌دهندگان علمی و تجاری مرتبط است و به شما کمک می‌کند تا چالش‌های رایج داده را حل کنید. راب کاباکوف، متخصص R، شما را در یک دوره فشرده آمار، از مقابله با داده‌های درهم و ناقص گرفته تا ایجاد مصورسازی‌های خیره‌کننده، همراهی می‌کند. این ویرایش سوم، بازبینی و گسترش یافته است و پوشش جدیدی از رویکرد tidyverse به تحلیل داده و قابلیت‌های پیشرفته نمودارسازی R با بسته ggplot2 را شامل می‌شود.

درباره‌ی فناوری
R که روزانه توسط دانشمندان داده، محققان و تحلیلگران کمی در انواع مختلف استفاده می‌شود، استاندارد طلایی برای تحلیل داده‌های آماری است. این زبان رایگان و متن‌باز شامل بسته‌هایی برای همه‌چیز، از مصورسازی پیشرفته داده‌ها تا یادگیری عمیق است. R برای کاربرانی که ذهنیت ریاضی دارند، به‌سرعت راحت و قابل استفاده می‌شود و به‌راحتی از پس مشکلات عملی برمی‌آید، بدون اینکه شما را مجبور به فکر کردن مانند یک مهندس نرم‌افزار کند.

درباره‌ی کتاب
R in Action, Third Edition به شما می‌آموزد که چگونه با استفاده از R و بسته‌های محبوب tidyverse آن، تحلیل آماری و مصورسازی داده‌ها را انجام دهید. در این کتاب، چالش‌های واقعی داده‌ها، از جمله پیش‌بینی، داده‌کاوی و نوشتن گزارش‌های پویا را بررسی خواهید کرد. این ویرایش سوم بازبینی‌شده، پوشش جدیدی برای نمودارسازی با ggplot2، به همراه مثال‌هایی برای موضوعات یادگیری ماشین مانند خوشه‌بندی، طبقه‌بندی و تحلیل سری‌های زمانی را اضافه می‌کند.

مطالب داخل کتاب

* پاکسازی، مدیریت و تحلیل داده‌ها
* استفاده از بسته ggplot2 برای نمودارها و مصورسازی‌ها
* تکنیک‌هایی برای رفع اشکال برنامه‌ها و ایجاد بسته‌ها
* یک منبع یادگیری کامل برای R و tidyverse

درباره‌ی خواننده
به دانش پایه ریاضی و آمار نیاز است. هیچ تجربه‌ی قبلی با R لازم نیست.

درباره‌ی نویسنده
دکتر رابرت آی کاباکوف استاد تحلیل کمی در دانشگاه وسلیان و یک دانشمند داده باتجربه با بیش از 20 سال تجربه است.

فهرست مطالب

بخش 1 شروع به کار
1 مقدمه‌ای بر R
2 ایجاد یک مجموعه داده
3 مدیریت اولیه داده‌ها
4 شروع کار با نمودارها
5 مدیریت پیشرفته داده‌ها
بخش 2 روش‌های پایه
6 نمودارهای پایه
7 آمار پایه
بخش 3 روش‌های متوسط
8 رگرسیون
9 تحلیل واریانس
10 تحلیل توان
11 نمودارهای متوسط
12 آمار نمونه‌برداری مجدد و بوت‌استرپینگ
بخش 4 روش‌های پیشرفته
13 مدل‌های خطی تعمیم‌یافته
14 مولفه‌های اصلی و تحلیل عاملی
15 سری‌های زمانی
16 تحلیل خوشه‌ای
17 طبقه‌بندی
18 روش‌های پیشرفته برای داده‌های از دست رفته
بخش 5 گسترش مهارت‌های شما
19 نمودارهای پیشرفته
20 برنامه‌نویسی پیشرفته
21 ایجاد گزارش‌های پویا
22 ایجاد یک بسته

In R in Action, Third Edition you will learn how to:

Set up and install R and RStudio
Clean, manage, and analyze data with R
Use the ggplot2 package for graphs and visualizations
Solve data management problems using R functions
Fit and interpret regression models
Test hypotheses and estimate confidence
Simplify complex multivariate data with principal components and exploratory factor analysis
Make predictions using time series forecasting
Create dynamic reports and stunning visualizations
Techniques for debugging programs and creating packages

R in Action, Third Edition makes learning R quick and easy. That’s why thousands of data scientists have chosen this guide to help them master the powerful language. Far from being a dry academic tome, every example you’ll encounter in this book is relevant to scientific and business developers, and helps you solve common data challenges. R expert Rob Kabacoff takes you on a crash course in statistics, from dealing with messy and incomplete data to creating stunning visualizations. This revised and expanded third edition contains fresh coverage of the new tidyverse approach to data analysis and R’s state-of-the-art graphing capabilities with the ggplot2 package.

About the technology
Used daily by data scientists, researchers, and quants of all types, R is the gold standard for statistical data analysis. This free and open source language includes packages for everything from advanced data visualization to deep learning. Instantly comfortable for mathematically minded users, R easily handles practical problems without forcing you to think like a software engineer.

About the book
R in Action, Third Edition teaches you how to do statistical analysis and data visualization using R and its popular tidyverse packages. In it, you’ll investigate real-world data challenges, including forecasting, data mining, and dynamic report writing. This revised third edition adds new coverage for graphing with ggplot2, along with examples for machine learning topics like clustering, classification, and time series analysis.

What’s inside

Clean, manage, and analyze data
Use the ggplot2 package for graphs and visualizations
Techniques for debugging programs and creating packages
A complete learning resource for R and tidyverse

About the reader
Requires basic math and statistics. No prior experience with R needed.

About the author
Dr. Robert I Kabacoff is a professor of quantitative analytics at Wesleyan University and a seasoned data scientist with more than 20 years of experience.

Table of Contents

PART 1 GETTING STARTED
1 Introduction to R
2 Creating a dataset
3 Basic data management
4 Getting started with graphs
5 Advanced data management
PART 2 BASIC METHODS
6 Basic graphs
7 Basic statistics
PART 3 INTERMEDIATE METHODS
8 Regression
9 Analysis of variance
10 Power analysis
11 Intermediate graphs
12 Resampling statistics and bootstrapping
PART 4 ADVANCED METHODS
13 Generalized linear models
14 Principal components and factor analysis
15 Time series
16 Cluster analysis
17 Classification
18 Advanced methods for missing data
PART 5 EXPANDING YOUR SKILLS
19 Advanced graphs
20 Advanced programming
21 Creating dynamic reports
22 Creating a package