Data Science. Programowanie, analiza i wizualizacj

Rok wydania: 2019

Oprawa: miękka

Ilość stron: 360

Format: 168x237

Aby surowe dane przekuć w gotową do wykorzystania wiedzę, potrzebna jest umiejętność ich analizy, przekształcania i niekiedy również wizualizacji. Nagrodą za włożony w to wysiłek jest lepsze rozumienie różnych złożonych zagadnień z wielu dziedzin wiedzy. Co więcej, znajomość procesów programowego przetwarzania danych pozwala na szybkie wykrywanie i opisywanie wzorców danych, praktycznie niemożliwych do dostrzeżenia innymi technikami. Dla wielu badaczy jednak barierą na drodze do skorzystania z tych atrakcyjnych możliwości jest konieczność pisania kodu.

Oto podręcznik programowania w języku R dla analityków danych, szczególnie przydatny dla osób, które nie mają doświadczenia w tej dziedzinie. Dokładnie opisano tu potrzebne narzędzia i technologie. Zamieszczono wskazówki dotyczące instalacji i konfiguracji oprogramowania do pisania kodu, wykonywania go i zarządzania nim, a także śledzenia wersji projektów i zmian w nich oraz korzystania z innych podstawowych mechanizmów. Poszczególne kroki tworzenia kodu w języku R wyjaśniono dokładnie i przystępnie. Dzięki tej książce można płynnie przejść do konkretnych zadań i budować potrzebne aplikacje. Zrozumienie prezentowanych w niej treści ułatwiają liczne przykłady i ćwiczenia, co pozwala szybko przystąpić do skutecznego analizowania własnych zbiorów danych.

W tej książce między innymi:

• przygotowanie środowiska pracy i rozpoczęcie programowania w R
• podstawy zarządzania projektami, kontrola wersji i generowanie dokumentacji
• ramki danych, pakiety dplyr i tidyr
• kod do wizualizacji danych i pakiet ggplot2
• tworzenie aplikacji i techniki współpracy w zespołach specjalistów

Po prostu R i dane. Wyciśniesz każdą kroplę wiedzy!

O autorach

Michael Freeman jest wykładowcą akademickim specjalizującym się w nauce o danych i wizualizacji danych. Wcześniej prowadził ogólnoświatowe badania dotyczące zdrowia publicznego. Interesuje się wykorzystaniem nauki o danych w obszarze sprawiedliwości społecznej.

Dr Joel Ross jest wykładowcą akademickim. Specjalizuje się w nauczaniu programowania. Interesuje się badaniami z zakresu gier i grywalizacji oraz systemami „przetwarzania bez granic”. Prowadził też badania nad systemami finansowania społecznościowego i wspomagania ekorozwoju.

Spis treści

• Przedmowa
• Wprowadzenie

  Główny temat książki

  Dla kogo przeznaczona jest ta książka?

  Struktura książki

  Część I. Wprowadzenie

  Część II. Zarządzanie projektami

  Część III. Podstawowe umiejętności z zakresu języka R

  Część IV. Przekształcanie danych

  Część V. Wizualizacja danych

  Część VI. Tworzenie i udostępnianie aplikacji

  Konwencje stosowane w książce

  Jak czytać tę książkę?

  Powiązany kod

  Podziękowania

• O autorach
• I. Wprowadzenie
• 1. Przygotowywanie komputera

  Pisanie kodu

  Zarządzanie kodem

  Wykonywanie kodu

  1.1. Przygotowywanie narzędzi używanych w wierszu poleceń

  1.1.1. Wiersz poleceń w systemie macOS

  1.1.2. Wiersz poleceń w systemie Windows

  1.1.3. Wiersz poleceń w systemie Linux

  1.2. Instalowanie systemu git

  1.3. Tworzenie konta w serwisie GitHub

  1.4. Wybieranie edytora tekstu

  1.4.1. Atom

  1.4.2. Visual Studio Code

  1.4.3. Sublime Text

  1.5. Pobieranie języka R

  1.6. Pobieranie środowiska RStudio

• 2. Używanie wiersza poleceń

  2.1. Uruchamianie wiersza poleceń

  2.2. Poruszanie się w systemie plików

  2.2.1. Przechodzenie do innego katalogu

  2.2.2. Wyświetlanie listy plików

  2.2.3. Ścieżki

  2.3. Zarządzanie plikami

  2.3.1. Uczenie się nowych instrukcji

  2.3.2. Symbole wieloznaczne

  2.4. Radzenie sobie z błędami

  2.5. Przekierowywanie danych wyjściowych

  2.6. Polecenia związane z siecią

• II. Zarządzanie projektami
• 3. Kontrola wersji z użyciem systemu git i serwisu GitHub

  3.1. Czym jest git?

  3.1.1. Podstawowe zagadnienia związane z systemem git

  3.1.2. Czym jest GitHub?

  3.2. Konfigurowanie narzędzi i tworzenie projektu

  3.2.1. Tworzenie repozytorium

  3.2.2. Sprawdzanie stanu

  3.3. Śledzenie zmian w projekcie

  3.3.1. Dodawanie plików

  3.3.2. Zatwierdzanie

  3.3.2.1. Etykieta dotycząca informacji na temat rewizji

  3.3.3. Proces używania systemu git

  3.4. Zapisywanie projektów w witrynie GitHub

  3.4.1. Forki i klonowanie

  3.4.2. Wysyłanie i pobieranie

  3.5. Dostęp do historii projektu

  3.5.1. Historia rewizji

  3.5.2. Powrót do starszych wersji

  3.6. Ignorowanie plików w projekcie

• 4. Tworzenie dokumentacji za pomocą języka Markdown

  4.1. Pisanie kodu w języku Markdown

  4.1.1. Formatowanie tekstu

  4.1.2. Bloki tekstu

  4.1.3. Hiperłącza

  4.1.4. Rysunki

  4.1.5. Tabele

  4.2. Wyświetlanie dokumentów w języku Markdown

• III. Podstawowe umiejętności z zakresu języka R
• 5. Wprowadzenie do języka R

  5.1. Programowanie z użyciem języka R

  5.2. Uruchamianie kodu w języku R

  5.2.1. Używanie środowiska RStudio

  5.2.2. Używanie języka R w wierszu poleceń

  5.3. Dodawanie komentarzy

  5.4. Definiowanie zmiennych

  5.4.1. Podstawowe typy danych

  5.5. Szukanie pomocy

  5.5.1. Nauka uczenia się języka R

• 6. Funkcje

  6.1. Czym jest funkcja?

  6.1.1. Składnia funkcji w języku R

  6.2. Wbudowane funkcje języka R

  6.2.1. Argumenty nazwane

  6.3. Wczytywanie funkcji

  6.4. Pisanie funkcji

  6.4.1. Debugowanie funkcji

  6.5. Instrukcje warunkowe

• 7. Wektory

  7.1. Czym jest wektor?

  7.1.1. Tworzenie wektorów

  7.2. Operacje wektorowe

  7.2.1. Ponowne używanie elementów

  7.2.2. Prawie wszystko jest wektorem

  7.2.3. Funkcje wektorowe

  7.3. Indeksy w wektorach

  7.3.1. Listy indeksów

  7.4. Filtrowanie wektorów

  7.5. Modyfikowanie wektorów

• 8. Listy

  8.1. Czym jest lista?

  8.2. Tworzenie list

  8.3. Dostęp do elementów listy

  8.4. Modyfikowanie list

  8.4.1. Pojedyncze i podwójne nawiasy kwadratowe

  8.5. Stosowanie funkcji do list za pomocą wywołania lapply()

• IV> Przekształcanie danych
• 9. Jak zrozumieć dane?

  9.1. Proces generowania danych

  9.2. Wyszukiwanie danych

  9.3. Rodzaje danych

  9.3.1. Skale pomiarowe

  9.3.2. Struktury danych

  9.4. Interpretowanie danych

  9.4.1. Zdobywanie wiedzy w danej dziedzinie

  9.4.2. Jak zrozumieć schematy danych?

  9.5. Odpowiadanie na pytania na podstawie danych

• 10. Ramki danych

  10.1. Czym jest ramka danych?

  10.2. Praca z ramkami danych

  10.2.1. Tworzenie ramek danych

  10.2.2. Opisywanie struktury ramek danych

  10.2.3. Dostęp do ramek danych

  10.3. Praca z danymi CSV

  10.3.1. Katalog roboczy

  10.3.2. Zmienne w postaci faktorów

• 11. Operowanie danymi za pomocą pakietu dplyr

  11.1. Gramatyka operowania danymi

  11.2. Podstawowe funkcje pakietu dplyr

  11.2.1. Pobieranie (funkcja select())

  11.2.2. Filtrowanie (funkcja filter())

  11.2.3. Dodawanie kolumn (funkcja mutate())

  11.2.4. Sortowanie danych (funkcja arrange())

  11.2.5. Tworzenie podsumowań (funkcja summarize())

  11.3. Wykonywanie operacji sekwencyjnych

  11.3.1. Operator potoku

  11.4. Analizowanie ramek danych z wykorzystaniem grupowania

  11.5. Złączanie ramek danych

  11.6. Pakiet dplyr w praktyce analizowanie danych na temat lotów

• 12. Porządkowanie danych za pomocą pakietu tidyr

  12.1. Czym jest porządkowanie danych?

  12.2. Od kolumn do wierszy gather()

  12.3. Z wierszy na kolumny spread()

  12.4. Pakiet tidyr w praktyce eksplorowanie statystyk na temat edukacji

• 13. Dostęp do bazy danych

  13.1. Przegląd relacyjnych baz danych

  13.1.1. Czym jest relacyjna baza danych?

  13.1.2. Tworzenie relacyjnej bazy danych

  13.2. Wstęp do języka SQL

  13.3. Dostęp do bazy danych w języku R

• 14. Używanie internetowych interfejsów API

  14.1. Czym jest internetowy interfejs API?

  14.2. Żądania REST

  14.2.1. Identyfikatory URI

  14.2.1.1. Parametry zapytań

  14.2.1.2. Tokeny dostępu i klucze API

  14.2.2. Operacje (czasowniki) z protokołu HTTP

  14.3. Dostęp do internetowych interfejsów API w R

  14.4. Przetwarzanie danych w formacie JSON

  14.4.1. Przetwarzanie danych w formacie JSON

  14.4.2. Spłaszczanie danych

  14.5. Interfejsy API w praktyce znajdowanie kubańskiego jedzenia w Seattle

• V. Wizualizacje danych
• 15. Projektowanie wizualizacji danych

  15.1. Cel wizualizacji

  15.2.Wybieranie układu graficznego

  15.2.1. Wizualizowanie jednej zmiennej

  15.2.1.1. Reprezentacje proporcjonalne

  15.2.2. Wizualizowanie wielu zmiennych

  15.2.3. Wizualizowanie danych hierarchicznych

  15.3. Wybieranie skutecznego kodowania graficznego

  15.3.1. Skuteczne kolory

  15.3.2. Wykorzystanie atrybutów przeduwagowych

  15.4. Ekspresywne prezentacje danych

  15.5. Zwiększanie estetyki

• 16. Tworzenie wizualizacji za pomocą pakietu ggplot2

  16.1. Gramatyka grafiki

  16.2. Tworzenie podstawowych wykresów za pomocą ggplot2

  16.2.1. Określanie obiektów geometrycznych

  16.2.2. Odwzorowania aspektów estetycznych

  16.3. Złożone układy i dostosowywanie opcji

  16.3.1. Dostosowywanie pozycji

  16.3.2. Zmienianie stylu za pomocą skal

  16.3.2.1. Skale kolorów

  16.3.3. Układ współrzędnych

  16.3.4. Fasety

  16.3.5. Etykiety i uwagi

  16.4. Tworzenie map

  16.4.1. Kartogramy

  16.4.2. Mapy punktowe

  16.5. Pakiet ggplot2 w praktyce mapa eksmisji w San Francisco

• 17. Interaktywne wizualizacje w języku R

  17.1. Pakiet plotly

  17.2. Pakiet rbokeh

  17.3. Pakiet leaflet

  17.4. Interaktywne wizualizacje w praktyce analizowanie zmian w Seattle

• VI. Tworzenie i udostępnianie aplikacji
• 18. Tworzenie dynamicznych raportów za pomocą platformy R Markdown

  18.1. Konfigurowanie raportu

  18.1.1. Tworzenie plików .rmd

  18.1.2. Kompilowanie dokumentów

  18.2. Integrowanie tekstu w formacie Markdown i kodu w języku R

  18.2.1. Wykonywalne fragmenty kodu w języku R

  18.2.2. Kod wewnątrzwierszowy

  18.3. Wyświetlanie danych i wizualizacji w raportach

  18.3.1. Wyświetlanie łańcuchów znaków

  18.3.2. Wyświetlanie list w formacie Markdown

  18.3.3. Wyświetlanie tabel

  18.3.4. Wyświetlanie wykresów

  18.4. Udostępnianie raportów jako stron internetowych

  18.5. Platforma R Markdown w praktyce raport na temat oczekiwanej długości życia

• 19. Tworzenie interaktywnych aplikacji internetowych za pomocą platformy Shiny

  19.1. Platforma Shiny

  19.1.1. Podstawowe zagadnienia dotyczące platformy Shiny

  19.1.2. Struktura aplikacji

  19.2. Projektowanie interfejsów użytkownika

  19.2.1. Treści statyczne

  19.2.2. Dynamiczne dane wejściowe

  19.2.3. Dynamiczne dane wyjściowe

  19.2.4. Układy

  19.3. Tworzenie serwerów aplikacji

  19.4. Publikowanie aplikacji na platformę Shiny

  19.5. Platforma Shiny w praktyce wizualizacja śmiertelnych postrzeleń przez policję

• 20. Praca zespołowa

  20.1. Śledzenie różnych wersji kodu za pomocą gałęzi

  20.1.1. Praca z różnymi gałęziami

  20.1.2. Scalanie gałęzi

  20.1.3. Scalanie a konflikty

  20.1.4. Scalanie w serwisie GitHub

  20.2. Prowadzenie projektów z użyciem gałęzi funkcji

  20.3. Współpraca w ramach scentralizowanego procesu pracy

  20.3.1. Tworzenie centralnego repozytorium

  20.3.2. Używanie gałęzi funkcji w scentralizowanym procesie pracy

  20.4. Współpraca w procesie pracy z użyciem forków

• 21. Dalsza nauka

  21.1. Uczenie statystyczne

  21.1.1. Ocena zależności

  21.1.2. Prognozowanie

  21.2. Inne języki programowania

  21.3. Odpowiedzialność etyczna