00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
ثبت‌نام رایگان
  • دسترسی به 7 جلسه نمونه از دوره
  • دسترسی به 7 جلسه نمونه از دوره
  • عضویت در تالار گفت‌وگوی دوره
  • اضافه شدن دوره به پروفایل
فقط محتوا
  • دسترسی کامل و نامحدود به محتوای دوره
  • تمام قابلیت‌‌های پلن رایگان
    +
  • دسترسی کامل و نامحدود به محتوای دوره
449,000 تومان
45% تخفیف

246,950 تومان
امکان پرداخت ارزی ‎
دوره کامل
  • دسترسی به تمام قابلیت‌های دوره
  • تمام قابلیت‌های پلن محتوا
    +
  • گواهی‌نامه مکتب‌خونه
  • پروژه محور
  • تمرین و آزمون
  • تالار گفتگو
  • تسهیل استخدام
569,000 تومان
45% تخفیف
312,950 تومان
امکان پرداخت ارزی ‎
00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
مکتب‌خونه مکتب‌خونه

Advanced Data Visualization

دوره‌های مکتب‌پلاس
16 ساعت
90٪ (286 رای)

مصورسازی داده‌ها (Data visualization) و آشنایی با ابزارهای Data visualization یک بخش مهم و پایه‌ای در تحلیل داده است. هدف از تصویرسازی داده و Data visualization در تحلیل داده‌های کمی و تحلیل داده‌های کیفی ، جمع‌بندی داده‌ها در قالب چند نمودار یا تصویر نیست. هدف اصلی تحلیل داده‌ها بر مبنای Data visualization این است که داده‌ها به‌گونه‌ای مؤثر تصویر شوند تا بتوان استنتاج‌هایی بر مبنای داده ارائه داد که به درک بهتر از مسئله کسب‌وکار و درنهایت تصمیم سازی بر مبنای تحلیل داده‌های خام و غیر شفاف پس از شفاف‌سازی داده‌ها منجر شود. به همین خاطر اگر Data visualization به شکل مؤثر صورت پذیرد، در صنعت و در بین مدیران طرفداران زیادی دارد. از سوی دیگر، وقتی یک تحلیلگر داده برای اولین بار با یک پایگاه داده مواجه می‌شود، یکی از اولین کارهایی که باید انجام دهد تصویرسازی داده از منظرهای مختلف است. چنین کاری اگر به‌درستی صورت گیرد به او درک بهتری از ادامه مسیر تحلیل داده می‌دهد. بخصوص اگر شما با حجم انبوهی از داده‌ها مواجه شوید، در گام‌های اولیه تحلیل داده نیاز دارید تا با گذراندن دوره Data visualization ، کلیات آن را درک کنید. به همین دلیل مهارت تصویرسازی داده یکی از مهم‌ترین بخش‌های آموزش ابزارهای تحلیل داده به‌حساب می‌آید.

در این درس که می‌توان آن را یکی از بخش‌های اصلی هر مخاطب نرم‌افزار R دانست از طریق کار بر روی یک پایگاه داده‌ واقعی با بیش از نیم میلیون رکورد، با ابزارهای نرم‌افزار R برای تصویرسازی داده و Data visualization آشنا خواهید شد ، همچنین این دوره زیرمجموعه‌ای از دوره Business Analytics و دوره آموزش نرم‌افزار R قرار می‌گیرد که بخش مهمی از مهارت افزایی تحلیل‌گر داده در کسب مشاغل مرتبط با بازار کار تحلیل‌گر داده خواهد بود.

اما به‌راستی دیداری‌سازی اطلاعات بیشتر از آن‌که به علوم نوین مرتبط باشد ریشه درگذشته‌ی تاریخ بشر دارد، تاکنون اندیشیده‌اید که انسان‌های نخستین و نقاشان دوره‌های ماقبل معاصر چطور وقایع و اطلاعات خود را به‌منظور درک بهتر رویدادها و تحلیل درست داده‌ها دیداری‌سازی یا Data Visualization می‌کردند؟

بصری سازی داده‌ها نه‌تنها در تحلیل داده کمک به سزایی می‌کند بلکه به اخذ تصمیمات استراتژیک در مواقع بحرانی نیز بهره شایانی خواهد رساند.

مثلاً در تحلیل داده‌های یک سانحه تصادف رانندگی در یک اتوبان سنگین شهر تهران، دیداری‌سازی اطلاعات می‌تواند حقیقت ماجرا را از زاویه‌ای دیگر موردبررسی قرار دهد و کار آنالیز و تحلیل این حادثه را آسان‌تر کند، یا در جریان بازی‌های المپیک، Data visualization می‌تواند با تحلیل دقیق هر بازی، عوامل موفقیت هر بازیکن و همچنین شرایط موجود برای موفقیت هر تیم را بررسی کند!

دنیای Data visualization، دنیای تحلیل و رصدهایی است که روزبه‌روز به جذابیت آن در دنیای تحلیل‌گران داده افزوده می‌شود.

در دوره تصویرسازی داده‌ها در مکتب‌خونه، به اهمیت این ابزار بیش‌ازپیش خواهیم پرداخت.

سرفصل‌های دوره Advanced Data Visualization

فصل اول - مقدمه ای بر تصویرسازی داده
00:09 ساعت
00:09
Combined Shape Created with Sketch. 2 جلسه
بارم:
0%
نمایش جلسات فصل  

در این قسمت مروری بر محتوای دوره صورت خواهد گرفت.

مروری بر محتوای درس تصویرسازی داده
"09:11
فایل های جانبی درس
"00:12
فصل دوم - روایت گری با داده
00:33 ساعت
00:33
Combined Shape Created with Sketch. 5 جلسه
بارم:
0%
نمایش جلسات فصل  

در این بخش بحث می‌شود که هدف تصویرسازی داده‌ها (Data Visualization) تنها ارائه چندین نمودار نیست بلکه باید داده‌ها را به‌گونه‌ای مؤثر تصویر کرد که بتوان استنتاج‌هایی بر مبنای داده ارائه داد که به درک بهتر از مسئله کسب‌وکار و درنهایت تصمیم سازی منجر شود.

چرا روایت گری با داده اهمیت دارد؟
"09:51
چند نکته درباره روایت گری موثر با داده
"06:09
ما چگونه نمودارها را درک می کنیم؟
"11:00
مانند یک طراح فکر کنید
"02:47
ابزار مناسب برای تصویرسازی داده
"03:18
فصل سوم - نکات مهم در تصویرسازی با داده
00:24 ساعت
00:24
Combined Shape Created with Sketch. 2 جلسه
بارم:
0%
نمایش جلسات فصل  

در این قسمت به نکات ساده اما مهمی که نمودارها را برای ارائه مؤثرتر آماده می‌کند، پرداخته می‌شود. همچنین بحث خواهد شد عدم دقت به این نکات، چطور ممکن است موجب گمراه شدن مخاطب نمودارها گردد.

شش نکته مهم در تصویرسازی داده
"09:53
نمودارهای گمراه کننده
"14:56
فصل چهارم - آشنایی با بسته ggplot2
00:49 ساعت
00:49
Combined Shape Created with Sketch. 4 جلسه
بارم:
0%
نمایش جلسات فصل  

بسته ggplot2 یکی از ابزارهای مهم برای تصویرسازی داده‌ها در R است. این بخش از درس «تحلیل داده با زبان برنامه‌نویسی R (مقدماتی)» برای کسانی قرار داده‌شده است که با کار با بسته ggplot2 آشنا نیستند.

نصب بسته ggplot2 در R
"07:06
مثال1
"18:02
مثال2
"14:40
مثال3
"10:04
فصل پنجم - تحلیل توصیفی داده ها در R
03:16 ساعت
03:16
Combined Shape Created with Sketch. 19 جلسه
بارم:
0%
نمایش جلسات فصل  

در این بخش گام‌به‌گام همراه با استاد درس تحلیل توصیفی یک پایگاه داده‌ واقعی با بیش از نیم میلیون رکورد را یاد خواهید گرفت. بررسی داده‌ها از منظر زمانی، کار با نقشه‌های جغرافیایی با کتابخانه Leaflet در R و ارائه تحلیل‌های زمانی - مکانی داده‌ها جزء محورهای اصلی این بخش است.

آشنایی با پایگاه داده و اهداف تحلیل
"09:51
آماده کردن فضای کار در R
"06:37
خواندن فایل های مورد نیاز و ورود داده ها
"06:09
آماده سازی داده ها - کار با تاریخ میلادی
"13:33
آماده سازی داده ها - کار با تاریخ شمسی
"12:13
تحلیل تقاضای روزانه
"13:21
تحلیل تقاضا براساس روزهای هفته
"16:20
تحلیل تقاضا قبل و بعد از کمپین تبلیغاتی
"20:19
رسم نمودار حرارتی (Heat map)
"12:16
محاسبه تقاضای متوسط ساعتی
"08:31
رسم نمودار Box plot برای تقاضای ساعتی
"17:46
کار با داده های جغرافیایی
"04:50
آشنایی با کتابخانه Leaflet
"05:31
نشانه گذاری نقاط در نقشه ها در Leafle
"07:36
کار با پلی گون در نقشه ها در Leafle
"08:12
اضافه کردن کنترل روی نقشه
"06:05
تعیین تقاضای منطقه ای
"12:07
تحلیل ساعتی یک منطقه مشخص
"07:26
ادامه مسیر تحلیل
"07:58
فصل ششم - نمودارهای تعاملی و طراحی اپلیکیشن در R
10:19 ساعت
01:19
Combined Shape Created with Sketch. 8 جلسه
بارم:
100%
نمایش جلسات فصل  

تالار گفت‌وگو

استاد دوره
فرزاد مینویی فرزاد مینویی

فرزاد مینویی فارغ‌التحصیل رشته مهندسی عمران و مدیریت کسب‌وکار (MBA) از دانشگاه صنعتی شریف است. وی تحصیلات خود را در دکترای مدیریت در دانشگاه کلورادو (University of Colorado) آمریکا ادامه داده است. زمینه‌های تخصصی او تصمیم‌گیری و مدیریت ریسک، هوش تجاری و مدیریت عملیات است.

او تا قبل از ادامه تحصیل در دوره دکترا، در فاصله سال‌های ۱۳۸۴ تا ۱۳۹۴ در نقش‌های مدیریتی و مشاوره‌ای با شرکت‌های بخش خصوصی در ایران همکاری کرده است. در دوره دکترا به‌عنوان محقق بر روی پروژه‌های کاربردی که کارفرمای آن وزارت راه آمریکا و موسسه تحقیقاتی CII بوده، فعالیت کرده است. موسسه تحقیقاتی CII  یک کنسرسیوم از شرکت‌های بزرگ فعال در صنعت نفت و گاز، فنی و مهندسی و تأمین‌کنندگان عمده آمریکاست. نتیجه فعالیت‌های تحقیقاتی او در مجلات معتبر علمی بین‌المللی چاپ شده‌اند.

دکتر مینویی همچنین در چند سال گذشته به‌عنوان استاد مدعو درس هوش تجاری و مدیریت عملیات را برای دوره‌های کارشناسی ارشد دانشگاه تهران و دانشگاه شهید بهشتی برگزار کرده است. مخاطبان عمده این دوره‌ها مدیران ارشد و میانی شرکت‌های ایرانی بوده‌اند. تلاش او در این دوره‌ها این بوده تا با زبانی ساده و کاربردی مدیران صنعت را با مفاهیم تصمیم‌گیری داده محور و هوش تجاری آشنا کند.

وی هم‌اکنون مشاوره چندین شرکت ایرانی است و آن‌ها را برای حرکت به سمت مدیریت داده محور هدایت می‌کند. او امیدوار است با به‌کارگیری تجربه‌های عملی خود در صنعت ایران و آمریکا و ترکیب آن با دانش تخصصی به مدیران کمک کند تا در مورد چالش‌هایی که با آن مواجه هستند، تصمیمات بهتری بگیرند.

اطلاعات بیشتر
درباره گواهینامه
مکتب‌خونه مکتب‌خونه
حد نصاب قبولی در دوره:
75.0 نمره
فارغ‌التحصیل شدن در این دوره نیاز به ارسال تمرین‌ها و پروژه‌های الزامی دارد.

پیش‌نیاز‌های دوره Advanced Data Visualization

آموزش تحلیل داده با زبان برنامه نویسی R (مقدماتی)
اطلاعات بیشتر

ویژگی‌های دوره Advanced Data Visualization

گواهی‌نامه مکتب‌خونه

در صورت قبولی در دوره، گواهی نامه رسمی پایان دوره توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می گیرد.

مشاهده نمونه گواهینامه
خدمات منتورینگ

خدمات منتورینگ به معنای برخورداری دانشجو از راهنما یا پشتیبان علمی در طول گذراندن دوره می‌باشد. این خدمات شامل پاسخگویی به سوالات آموزشی(در قالب تیکتینگ)، تصحیح آزمون یا پروژه های دوره و ارائه باز خورد موثر به دانشجو می‌باشد.

پروژه محور

این دوره طوری طراحی شده است که محتوای آموزشی دوره حول چند پروژه واقعی و کاربردی هستند تا یادگیری دانشجو در طول دوره به کاربردهای عملی تبدیل شود و به این ترتیب بالاترین سطح یادگیری را فراهم نمایند.

تمرین و آزمون

با قرار گرفتن تمرین ها و آزمون های مختلف در طول دوره، محیطی تعاملی فراهم شده است تا بهره گیری از محتوا و یادگیری بهتر و عمیق تر شود.

تالار گفتگو

شما می توانید از طریق تالار گفتگو با دیگر دانشجویان دوره در ارتباط باشید، شبکه روابط حرفه ای خود را تقویت کنید یا سوالات مرتبط با دوره خود را از دیگر دانشجویان بپرسید.

تسهیل استخدام

در صورت قبولی در دوره، شما می‌توانید با وارد کردن اطلاعات آن در بخش دوره‌های آموزشی رزومه‌ساز «جاب ویژن»، تایید مهارت خود را در قالب اضافه شدن «مدال مهارت» به روزمه آنلاین خود دریافت نمایید. این مدال علاوه بر ایجاد تمایز در نمایش رزومه شما، باعث بالاتر قرار گرفتن آن در لیست انبوه رزومه‌های ارسالی به کارفرما شده و بدین ترتیب شانس شما را برای استخدام در سازمانهای موفق و پر متقاضی افزایش می‌دهد.

بررسی فرصت‌های شغلی

نظرات  (11 نظر)

صفحه 

از 

2

سعد
12:53 - 1401/08/03
دانشجوی دوره
بسیار دوره خوب و جذابی بود. ممنون از استاد عزیز و تیم مکتب‌خونه 🙏🏻🌷🌷
سیاوش
22:33 - 1401/01/14
فارغ‌التحصیل دوره
دوره بسیار عالی بود خیلی مفید بود
مریم
21:19 - 1400/09/12
فارغ‌التحصیل دوره
با عرض سلام و ادب خدمت شما عزیزان من پکیج نرم افزار R را که شامل پنج دوره ( آموزش تحلیل داده با زبان برنامه نویسی R (مقدماتی)، آموزش تحلیل داده با زبان برنامه نویسی R (پیشرفته)، آموزش الگوریتم‌های بهینه ‌سازی در R و Advanced Data Visualization و آموزش آمار کاربردی برای تحلیل داده کسب و کار) است را به اتمام رساندم. در تمامی این دوره ها، سر فصل ها، دسته بندی و شیوه تدریس دکتر فرزاد مینویی بسیار عالی بود. به طوری پس از اتمام هر دوره مشتاق بودم تا هر چه سریعتر دوره بعدی را شروع کنم. همچنین کوییز ها و پروژه های هر دوره، برای من حکم یک جلسه آموزشی مجزا را داشتند. من از شما استاد عزیز بسیار سپاسگزارم، چرا که دید من را نسبت به دنیای برنامه نویسی تغییر دادید. با تشکر از شما تیم مکتب خونه
مسعود
00:38 - 1400/06/06
فارغ‌التحصیل دوره
این سومین دوره ای است که با دکتر مینویی در مکتب خونه می گذرانم به نظرم مثل دو دوره قبلی عملکردشون عالی بود. متشکر از تیم مکتب خونه و دکتر مینویی عزیز و منتظر دوره های بیشتر از 5 مورد موجود در سایت هستیم. با آرزوی موفقیت
لاله
08:04 - 1400/05/29
فارغ‌التحصیل دوره
با سلام و تشکر فراوان از استاد محترم جناب آقای دکتر مینوئی و تیم مکتب خونه. این دوره علاوه بر ایکنه مطالب متنوع و جذاب و کاربردی زیادی داشت از همان ابتدا مفاهیمی بیان شد که نگرش من را کاملا تغییر داد و پیشرفت خودم در این دوره را چشمگیر می دانم. پشتیبانی و طراحی آزمون نیز مانند دوره های قبل فوق العاده عالی بود.
عطیه
12:57 - 1400/02/20
فارغ‌التحصیل دوره
با سلام و احترام. استفاده از این دوره، مفاهیم کاربردی ولی چالش برانگیزی را برای بنده به همراه داشت که تمرکز بر این مفاهیم میتواند توانایی بالایی در تصویرسازی داده را به همراه داشته باشد
محمدرضا
14:22 - 1400/01/07
فارغ‌التحصیل دوره
دوره بسیار مفیدی بود. از جمله ویژگی های این دوره می‌توان به کسب مهارت در تحلیل داده‌های تصویری - رسم انواع نمودارها و داشبوردهای مدیریتی برای تحلیل داده - روان بودن و قابل فهم بودن محتوا که توسط استاد عزیز ارایه شد اشاره نمود.
احمد
10:11 - 1400/01/07
فارغ‌التحصیل دوره
دوره ی بسیار عالی و کاربردی بود. من از این دوره راضی بودم. به دوستان پیشنهاد می کنم که این دوره را از دست ندهند. تشکر میکنم از استاد و تیم مکتبخونه
مرضیه
22:05 - 1399/12/30
فارغ‌التحصیل دوره
تجربه من از دوره پیشرفته تصویرسازی با داده، در چند کلمه مفید و سخت و متفاوت و البته ارزشمند خلاصه میشود. مفید از این نظر که پیشرفت بسیار زیادی در مقایسه با قبل از شروع دوره داشتم. سخت و متفاوت از این نظر که در طول انجام پروژه به بن بست های زیادی میخوردم و زمان زیادی صرف یادگیری و جست و جو کردم .فصل پنجم این دوره فوق‌العاده ست، اما به نظرم اگر در فصل ششم چند مثال بیشتر از plotly و shiny ارائه می‌شد، بهتر بود. در نهایت هم بسیار ممنونم از دکتر مینویی عزیز و گروه مکتب خونه.
علی
10:50 - 1399/11/23
فارغ‌التحصیل دوره
ویژگی‌های این دوره را می توان در دو بخش "استاد" و "محتوای درس" مطرح کرد. دکتر مینویی از جمله اساتیدی هستند که برای آموزش ارزش ویژه‌ای قائل هستند .یادگیری مخاطب برای ایشان اهمیت داشته و این موضوع در کیفیت پاسخ‌های ایشان در تالار‌‌های گفتگو دروس مختلف قابل دریافت است. به علاوه تحصیلات تکمیلی و زمینه فعالیت ایشان نیز در یک دهه اخیر منطبق بر مباحث تحلیلی و کسب‌وکار بوده است که بدون شک به اعتبار علمی آموزش‌های ایشان در کنار بیان ساده و قابل فهم آن کمک شایانی کرده است. سرعت پیشرفت شما در این درس به طور معناداری با گذراندن دوره‌ی مقدماتی آموزش R رابطه مستقیم خواهد داشت و قویاً توصیه می‌شود (نظر شخصی) این دوره پس از گذراندن دوره‌های مقدماتی و تحلیلی در برنامه آموزشی شما قرار گیرد، تا اهداف آن ساده تر تحقق یابد. اگرچه در صورت عدم رعایت این پیشنیازی یا همنیازی به مشکل چندانی برنخواهید خورد.

سوالات پرتکرار

آیا در صورت خرید دوره، گواهی نامه آن به من تعلق می گیرد؟
خیر؛ شما با خرید دوره می توانید در آن دوره شرکت کنید و به محتوای آن دسترسی خواهید داشت. در صورتی که در زمان تعیین شده دوره را با نمره قبولی بگذرانید، گواهی نامه دوره به نام شما صادر خواهد شد.
آیا گواهی‌نامه‌های دانشگاهی به صورت رسمی و توسط دانشگاه مربوطه صادر می‌شود؟
بله؛ گواهی نامه ها توسط دانشگاه مربوطه و با امضای رئیس دانشگاه یا مسئول مربوطه که حق امضای گواهی نامه ها را دارد صادر می شود و گواهی نامه معتبر دانشگاه است که به اسم هر فرد صادر می شود.
حداقل و حداکثر زمانی که می توانم یک دوره را بگذرانم چقدر است؟
برای گذراندن دوره حداقل زمانی وجود ندارد و شما می توانید در هر زمانی که مایل هستید فعالیت های مربوطه را انجام دهید. برای هر دوره یک حداکثر زمان تعیین شده است که در صفحه معرفی دوره می توانید مشاهده کنید که از زمان خرید دوره توسط شما تنها در آن مدت شما از ویژگی های تصحیح پروژه ها توسط پشتیبان و دریافت گواهی نامه بهره مند خواهید بود.
در صورت قبولی در دوره، آیا امکان دریافت نسخه فیزیکی گواهی نامه دوره را دارم؟
خیر، به دلیل مسائل زیست محیطی و کاهش قطع درختان، فقط نسخه الکترونیکی گواهی‌نامه در اختیار شما قرار می‌گیرد
پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟
بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.

×

ثبت نظر

به این دوره از ۱ تا ۵ چه امتیازی می‌دهید؟

فصل اول - مقدمه ای بر تصویرسازی داده
00:09 ساعت
00:09
Combined Shape Created with Sketch. 2 جلسه
بارم:
0%
نمایش جلسات فصل  

در این قسمت مروری بر محتوای دوره صورت خواهد گرفت.

مروری بر محتوای درس تصویرسازی داده
"09:11
فایل های جانبی درس
"00:12
فصل دوم - روایت گری با داده
00:33 ساعت
00:33
Combined Shape Created with Sketch. 5 جلسه
بارم:
0%
نمایش جلسات فصل  

در این بخش بحث می‌شود که هدف تصویرسازی داده‌ها (Data Visualization) تنها ارائه چندین نمودار نیست بلکه باید داده‌ها را به‌گونه‌ای مؤثر تصویر کرد که بتوان استنتاج‌هایی بر مبنای داده ارائه داد که به درک بهتر از مسئله کسب‌وکار و درنهایت تصمیم سازی منجر شود.

چرا روایت گری با داده اهمیت دارد؟
"09:51
چند نکته درباره روایت گری موثر با داده
"06:09
ما چگونه نمودارها را درک می کنیم؟
"11:00
مانند یک طراح فکر کنید
"02:47
ابزار مناسب برای تصویرسازی داده
"03:18
فصل سوم - نکات مهم در تصویرسازی با داده
00:24 ساعت
00:24
Combined Shape Created with Sketch. 2 جلسه
بارم:
0%
نمایش جلسات فصل  

در این قسمت به نکات ساده اما مهمی که نمودارها را برای ارائه مؤثرتر آماده می‌کند، پرداخته می‌شود. همچنین بحث خواهد شد عدم دقت به این نکات، چطور ممکن است موجب گمراه شدن مخاطب نمودارها گردد.

شش نکته مهم در تصویرسازی داده
"09:53
نمودارهای گمراه کننده
"14:56
فصل چهارم - آشنایی با بسته ggplot2
00:49 ساعت
00:49
Combined Shape Created with Sketch. 4 جلسه
بارم:
0%
نمایش جلسات فصل  

بسته ggplot2 یکی از ابزارهای مهم برای تصویرسازی داده‌ها در R است. این بخش از درس «تحلیل داده با زبان برنامه‌نویسی R (مقدماتی)» برای کسانی قرار داده‌شده است که با کار با بسته ggplot2 آشنا نیستند.

نصب بسته ggplot2 در R
"07:06
مثال1
"18:02
مثال2
"14:40
مثال3
"10:04
فصل پنجم - تحلیل توصیفی داده ها در R
03:16 ساعت
03:16
Combined Shape Created with Sketch. 19 جلسه
بارم:
0%
نمایش جلسات فصل  

در این بخش گام‌به‌گام همراه با استاد درس تحلیل توصیفی یک پایگاه داده‌ واقعی با بیش از نیم میلیون رکورد را یاد خواهید گرفت. بررسی داده‌ها از منظر زمانی، کار با نقشه‌های جغرافیایی با کتابخانه Leaflet در R و ارائه تحلیل‌های زمانی - مکانی داده‌ها جزء محورهای اصلی این بخش است.

آشنایی با پایگاه داده و اهداف تحلیل
"09:51
آماده کردن فضای کار در R
"06:37
خواندن فایل های مورد نیاز و ورود داده ها
"06:09
آماده سازی داده ها - کار با تاریخ میلادی
"13:33
آماده سازی داده ها - کار با تاریخ شمسی
"12:13
تحلیل تقاضای روزانه
"13:21
تحلیل تقاضا براساس روزهای هفته
"16:20
تحلیل تقاضا قبل و بعد از کمپین تبلیغاتی
"20:19
رسم نمودار حرارتی (Heat map)
"12:16