R for Data Science: Import, Tidy, Transform, Visualize, and Model Data
Kurzinformation
inkl. MwSt. Versandinformationen
Artikel zZt. nicht lieferbar
Artikel zZt. nicht lieferbar

Beschreibung
"R for Data Science" von Garrett Grolemund und Hadley Wickham ist ein umfassendes Handbuch, das Leser in die Nutzung der Programmiersprache R für die Datenwissenschaft einführt. Das Buch richtet sich sowohl an Anfänger als auch an erfahrene Nutzer, die ihre Kenntnisse vertiefen möchten. Es deckt den gesamten Datenanalyseprozess ab, beginnend mit dem Importieren von Daten aus verschiedenen Quellen. Anschließend wird gezeigt, wie man Daten bereinigt und in eine geeignete Form bringt ("tidy data"). Der Transformationsprozess umfasst Techniken zur Manipulation und Aggregation von Daten. Ein weiterer Schwerpunkt liegt auf der Visualisierung von Daten mithilfe des ggplot2-Pakets, um aussagekräftige Grafiken zu erstellen. Schließlich behandelt das Buch auch statistische Modellierung und maschinelles Lernen, um Vorhersagen zu treffen und Muster in den Daten zu erkennen. Durch praktische Beispiele und Übungen fördert es ein tiefes Verständnis für datenwissenschaftliche Methoden mit R.
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
Hadley Wickham is an Assistant Professor and the Dobelman FamilyJunior Chair in Statistics at Rice University. He is an active memberof the R community, has written and contributed to over 30 R packages, and won the John Chambers Award for Statistical Computing for his work developing tools for data reshaping and visualization. His research focuses on how to make data analysis better, faster and easier, with a particular emphasis on the use of visualization to better understand data and models.Garrett Grolemund is a statistician, teacher and R developer who currently works for RStudio. He sees data analysis as a largely untapped fountain of value for both industry and science. Garrett received his Ph.D at Rice University in Hadley Wickham's lab, where his research traced the origins of data analysis as a cognitive process and identified how attentional and epistemological concerns guide every data analysis.Garrett is passionate about helping people avoid the frustration and unnecessary learning he went through while mastering data analysis. Even before he finished his dissertation, he started teaching corporate training in R and data analysis for Revolutions Analytics. He's taught at Google, eBay, Axciom and many other companies, and is currently developing a training curriculum for RStudio that will make useful know-how even more accessible. Outside of teaching, Garrett spends time doing clinical trials research, legal research, and financial analysis. He also develops R software, he's co-authored the lubridate R package--which provides methods to parse, manipulate, and do arithmetic with date-times--and wrote the ggsubplot package, which extends the ggplot2 package.
- paperback
- 154 Seiten
- Erschienen 2017
- CreateSpace Independent Pub...
- Gebunden
- 1051 Seiten
- Erschienen 2012
- Wiley & Sons
- Hardcover
- 480 Seiten
- Erschienen 2014
- John Wiley & Sons Inc
- Gebunden
- 320 Seiten
- Erschienen 2019
- Carl Hanser Verlag GmbH & C...
- Kartoniert
- 522 Seiten
- Erschienen 2018
- O'Reilly
- hardcover
- 344 Seiten
- Erschienen 2012
- Wiley
- hardcover
- 192 Seiten
- Erschienen 2023
- Wiley
- paperback
- 352 Seiten
- Erschienen 2011
- Cengage Learning, Inc
- Kartoniert
- 157 Seiten
- Erschienen 2021
- Springer Spektrum
- Gebunden
- 440 Seiten
- Erschienen 2017
- De Gruyter Oldenbourg
- Kartoniert
- 179 Seiten
- Erschienen 2018
- Springer
- hardcover
- 192 Seiten
- Erschienen 2021
- Wiley
- Kartoniert
- 342 Seiten
- Erschienen 2017
- Springer
- paperback
- 593 Seiten
- Erschienen 2020
- Routledge
- Kartoniert
- 276 Seiten
- Erschienen 2020
- Routledge




