کتاب R در عمل: تحلیل داده و گرافیک با R

کتاب R در عمل، یک منبع آموزشی ارزشمند برای آشنایی با روش‌های تحلیل داده و نمایش گرافیکی اطلاعات با زبان‌ برنامه‌نویسیِ آر است. رابرت آی. کاباکوف، نویسنده‌ی کتاب، در این اثر زبان برنامه‌نویسی آر را معرفی کرده و به توضیح کاربردهای این زبان در تحلیل داده‌ها پرداخته است. پس از مطالعه‌ی کتاب حاضر، روش استفاده از زبان برنامه‌نویسی R را برای تجزیه‌و‌تحلیل و نمایش داده‌ها در زمینه‌های مختلف، به خصوص در کسب‌وکار همراه با مثال‌هایی عملی و کاربردی یاد می‌گیرید.

درباره‌ی کتاب R در عمل

کتاب R در عمل (R in Action: Data Analysis and Graphics with R)، تمامی اطلاعات لازم را برای یادگیری زبان برنامه‌نویسی R را پیش روی علاقه‌مندان به تحلیل داده قرار می‌دهد. رابرت آی.کابالوف (Dr. Rob Kabacoff)، نویسنده‌ی کتاب، با ارائه‌ی آموزش‌هایی گام‌به‌گام و مثال‌هایی کاربردی، به خواننده کمک می‌کند تا از زبان برنامه‌نویسی R برای مدیریت، تجزیه‌و‌تحلیل و گزارش‌دهی داده‌ها در زمینه‌های مختلف، از جمله امور مالی، بازاریابی و علوم اجتماعی بهره بگیرد. کتاب حاضر با تمرکز بر راه‌حل‌های کاربردی برای تجزیه‌و‌تحلیل آمارها و داده‌ها با زبان R‌ تدوین شده است. پس از مطالعه‌ی این اثر، روش‌های هوشمندانه‌ای را برای برخورد با داده‌های نامرتب و ناقص که تجزیه‌و‌تحلیل آن‌ها با روش‌های سنتی دشوار است، یاد می‌گیرید. در کنار آشنایی با توانمندی‌های آماریِ زبان برنامه‌نویسی R، ویژگی‌های گرافیکی گسترده‌ی R را برای کاوش و ارائه بصری داده‌ها به طور کامل آموزش می‌بینید. تحلیل سری زمانی، تحلیل خوشه‌ای و روش‌های طبقه‌بندی مانند درختان تصمیم‌گیری، جنگل‌های تصادفی و ماشین‌های بردار پشتیبان، آموزش‌های دیگری هستند که در کتاب R در عمل مطرح شده است.

مطالب این کتاب با مقدمه‌ای بر R آغاز می‌شود. در این مقدمه، دلایل استفاده از این زبان برنامه‌نویسی کاملاً توضیح داده شده است. زبان برنامه‌نویسی R یک محیط نرم‌افزاری متن‌باز و قدرتمند برای تجزیه و تحلیل آماری و مصورسازی داده‌هاست. نویسنده‌ در مقدمه‌ی کتاب R در عمل توضیح می‌‌دهد که زبان R، به طور خاص برای محققان، تحلیلگران داده و دانشمندان در زمینه‌های مختلف، از جمله علوم، مهندسی، علوم اجتماعی و امور مالی طراحی شده تا امکان کار با داده‌های پیچیده و دریافت گزارش‌های ارزشمند آماری مهیا شود. در ادامه‌ی کتاب R در عمل، ایجاد یک مجموعه داده و شروع کار با گراف‌ها را آموزش می‌بینید. مدیریت پایه‌ی داده‌ها، مدیریت پیشرفته‌ی داده‌ها، روش‌های پایه و میانی در این اثر مطرح شده است. رابرت آی.‌کابالوف، قسمتی را به توضیح رگرسیون اختصاص داده است. رگرسیون در علم آمار، به مدل‌های ریاضی‌ای گفته می‌شود که رابطه‌ی بین یک متغیر وابسته و یک یا چند متغیر مستقل را نشان می‌دهند. روش‌های تحلیل واریانس، تحلیل توان و گراف‌های میانی، آموزش‌های دیگری هستند که در این اثر به‌ آن‌ها اشاره شده. این آموزش‌ها، اطلاعات پایه و متوسطِ لازم را برای استفاده از زبان برنامه‌نویسی R در تجزیه‌و‌تحلیل داده‌ها فراهم می‌کند. پیوست‌های کاملی در انتهای کتاب R در عمل قرار دارند که تمرینی برای اجرای آموزش‌‌‌هایِ این کتاب به‌حساب می‌آیند. اطلاعاتِ آموزشیِ کتاب حاضر در کنار متن با تصویر، نمودار و جدول‌هایی مطرح‌شده تا مفاهیم پیچیده‌‌ی زبان برنامه‌نویسی R راحت‌تر در ذهن خواننده شکل بگیرد.

کتاب R در عمل را انتشارات آتی نگر، چاپ و روانه‌ی بازار کرده است. مهدی اسماعیلی و سیده سمانه سیدی، مترجم‌های این کتاب هستند.

نکوداشت‌های کتاب R در عمل

• جذاب و خواندنی. این کتاب بدون شک،‌ روشی جالب برای یادگیری زبان برنامه‌نویسی R است. (آمورس ای.‌فولارین، کالج لندن)
• آماده باشید، زیرا قرار است سریعاً به کیفیت محضی ارتقا پیدا کنید که زبان برنامه‌نویسی R‌ در اختیار شما قرار می‌دهد. (پاتریک برین، شرکت راجرز کامیونیکِیشن)
• این کتاب مرجعی عالی برای زبان برنامه‌نویسی R به‌حساب می‌آید. نویسنده‌ی کتاب حاضر کسی نیست به‌غیر از خالق بهترین وب‌سایت R. (کریستوفر ویلیامز، دانشگاه آیداهو)
• جامع و خوانا. این کتاب یک راهنما و همراه فوق‌العاده برای تمامی دانشجویان و محققان است. (ساموئل مک کولین، دانشگاه ساوث کالیفرنیا)
• سرانجام، مقدمه‌ای جامع بر R، برای برنامه‌نویسان پیدا کردیم. (فیلیپ کی ژانرت، نویسنده‌ی کتاب گنوپلات در عمل)
• کتابی ضروری برای هر کسی که برای اولین بار به R روی می‌آورد. (چارلز مالپاس، دانشگاه ملبورن)

کتاب R در عمل برای چه کسانی مناسب است؟

تمامی علاقه‌مندان به یادگیری زبان برنامه‌نویسی R، مخاطب‌های این کتاب به‌شمار می‌روند. مطالعه‌ی این کتاب به دانشجویان رشته‌های آمار و رایانه و افرادی که در پی یادگیری روش‌های نوین برای تجزیه‌و‌تحلیل آمار هستند نیز توصیه می‌شود.

در بخشی از کتاب R در عمل: تحلیل داده و گرافیک با R می‌خوانیم

در آزمون فرضیه آماری، شما یک فرضیه درباره یک پارامتر جمعیت تعیین می‌کنید (فرضیه صفر یا Ho شما)؛ سپس یک نمونه را از این جمعیت انتخاب کرده و آماری را محاسبه می‌کنید که برای استنباط‌هایی درباره پارامتر جمعیت به کار رفته است. با فرض این که فرضیه صفر صحیح است، احتمال کسب آمار نمونه مشاهده‌شده یا یک آمار افراطی‌تر را محاسبه می‌کنید. اگر احتمال به اندازه کافی کوچک باشد، شما فرضیه صفر را به نفع حالت مخالف رد می‌کنید (که فرضیه جایگزین یا فرضیه تحقیقاتی H1 نامیده می‌شود).