R 程式設計：用 R 做資料科學的進階分析

R 語言具有免費、自由、功能完整、擴充性強等優勢特性，是一個很適合做資料分析與統計分析的程式設計語言。本課程講師為資料科學家和外匯系統專家，在金融、零售、運輸等行業擁有超過5年的經驗。自2007年以來，一直積極參與外匯市場的交易，並在 MQL4 上運作程式設計課程。在Udemy有超過 260萬名學生，53 堂課，本課的評價為 4.7，6 萬人以上參加。如果想提升你的 R 和 R Studio的技能到一個新的水平。進階你的資料分析、資料科學、企業的統計分析、GGPlot2，推薦你考慮這堂課。本課程為已有R基礎的人設計，如有需要從基礎學起，可參考這位講師的 R 程式設計 A-Z™課程。

從這 6 小時的課程，我會學到

在R中執行資料準備
識別資料框(dataframes)中的丟失記錄
尋找資料框(dataframes)中丟失的資料
應用中位數插補 (Median Imputation) 法來替換丟失的記錄
應用事實分析(Factual Analysis) 法來替換缺失記錄
了解如何使用 which( ) 函數
知道如何重置資料框 (dataframe) 索引
使用 gsub( ) 和 sub( ) 函數替換字串
說明為什麼 NA 是第三種類型的邏輯常數
處理 R 中的日期時間(date-time)
將日期時間 (date-time) 轉換為 POSIXct 時間格式
在 R 中創建、使用、附加、修改、重命名、訪問和子集列表
了解什麼時候使用 [ ] 以及何時使用 [[ ]] 或使用列表時的 $ 符號
Create a timeseries plot in R
在 R 中創建一個時間序列圖 (timeseries plot)
了解 Apply 系列功能的工作原理
使用 for( ) 迴路 (loop) 重新創建一個 apply 語句
在使用矩陣時使用 apply( )
在用列表 (lists) 和向量的時候使用 lapply( ) 和 sapply( )
將自己的函數添加到 apply 語句中
Nest apply() 、lapply() 和 sapply() 函數嵌套 (nest) 入彼此之間
使用 which.max( ) 和 which.min( ) 函數

要求

R 的基本知識
推薦 GGPlot2 包的知識
資料框 (dataframes) 知識
向量和向量化操作知識

說明

準備好將你的 R 程式設計技能提升到一個新的水準了嗎？

想用 R 真正精通資料科學和分析嗎？

本課程適合你！

專業的 R 視訊培訓、結合多年行業經驗設計的獨特資料集、引人入勝的練習，既有趣又讓你體驗真實世界的分析。

在本課程中，您將學習：

如何準備數據以在 R 中進行分析
如何在 R 中執行中值插補方法
如何在 R 中使用日期時間
什麼是列表以及如何使用它們
Apply 函數族是什麼
如何使用 apply()、lapply() 和 sapply() 而不是循環
如何在應用類型函數中嵌套(nest)自己的函數
如何嵌套 apply()、lapply() 和 sapply() 函數
還有更多！

你學的越多，你的技術將變得更好。在每個模組之後，你將擁有一套強大的技能，可以帶你進入你的資料科學職業生涯。

我們準備了真實的案例研究。

在第一部分中，你將處理財務資料、清理資料並為分析做準備。你被要求創建圖表來顯示各個行業的收入、支出和利潤。

在第二部分中，你將通過準備各種資料分析任務來幫助煤炭碼頭了解哪些機器未被充分利用。

在第三部分，你將前往氣象局。他們想了解更好的天氣模式，並要求你提供幫助。

目標受眾

任何具有 R 基礎知識，並希望這方面的技能提升到新水平的人
任何已經完成R 程式設計 A-Z™課程的人
本課程不適用於 R 的完全初學者

關於講師

Kirill Eremenko 資料科學家和外匯系統專家

我叫 Kirill Eremenko，非常高興你能讀到這篇文章！

我的專業領域是資料科學諮詢，擁有金融、零售、交通運輸等行業的經驗。我師從德勤澳洲最優秀的分析導師，自從加入 Udemy 以來，我已經將我的知識傳授給了成千上萬有抱負的資料科學家。

在我的課程中，你會立即注意到我如何將我的實際經驗與物理和數學的學術背景相結合，在資料科學領域提供專業的循序漸進的指導。我的教學風格最突出的一點是注重直觀的解釋，因此你可以確信，即使是最複雜的主題，你也能真正理解。

總而言之，我對資料科學充滿熱情，並期待與你分享我的熱情和知識！

SuperDataScience Team 幫助你成為成功的資料科學

您好! 我們是SuperDataScience Team。你可以在Kirill Eremenko教授的資料科學課程諮詢我們 – 我們在這裡幫助你解決任何問題，並確保你順利完成此課程的旅程！

最好的聯繫方式是在正在學習的課程的Q&A中提出你的問題參與討論。在大多數情況下，我們在24小時內回復。我們熱衷於幫助你享受課程！

希望在課堂上見到你，

誠摯地，
SuperDataScience的真實人物

Ligency 建構現實世界的 AI 產品

加入 Ligency，與超過 340 萬名學員一起學習。

我們擁有 4.6 分的講師評分、近 100 萬條評價，並提供 12 種語言的 121 門課程，幫助工程師、領導者和團隊掌握驅動當今人工智慧革命的技能，並交付實際成果。

我們從現實世界的起點出發：大型語言模型( LLM )及其驅動的產品。您將學習AI 和生成式人工智慧 (gen AI) 的基礎知識，然後交付生產級系統 – 聊天機器人、Co-Pilot、自動化和 AI 代理。我們將深入探討大型語言模型工程：檢索（RAG）、評估、可觀測性、安全性以及團隊大規模運行代理系統所使用的模式。

我們的技術堆疊實用且與時俱進。您將使用 Python、LangChain 和 LangGraph 快速建立原型；探索來自 OpenAI、Gemini 和 Claude（包括 Claude Code）的模型；使用 Hugging Face 和 Ollama 進行微調和部署；並在 AWS 上將其部署到生產環境 – 從 Bedrock 到事件驅動服務。需要自動化？我們利用 n8n、簡潔的介面和 CI/CD 將其完美整合。在此過程中，您將掌握在高負載下依然穩健的響應式工程技術。

未來發展方向：交付型人才的職位。熱愛建構的人才可以選擇 AI 工程師和 LLM 工程師；追求規模化可靠性的人才可以選擇平台和 MLOps 方向；致力於將智能體 AI 從簡報轉化為實際業務成果的人才可以選擇產品和領導力方向。貫穿始終的核心理念是：快速學習、快速建立、衡量一切、迭代優化。

從我們最暢銷的課程開始：

LLM 工程：精通 AI、大型語言模型和 Agents – 從最初的響應式設計到生產模式（RAG、Agents、評估、LangChain/LangGraph）的實踐路徑。

完整的 Agentic AI 工程課程 – 設計、編排和部署強大的 AI Agents 和 Agentic 工作流程。

生產環境中的 AI : 大規模的 Gen AI 和 Agenttic AI – AWS 上建置管道、監控和企業級部署的擴展模式。

生成式 AI 高階主管簡報：領導者的精通指南－生成式 AI 策略、治理與投資報酬率的簡明行動手冊。

如果您希望快速提升技能並交付實際產品，歡迎加入我們。學習概念，體驗工具，建立產品 – 然後將其推向用戶。這就是 Ligency 的行事方式。

字幕：簡中、英文

想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

Udemy 永久擁有課程 特價 NT350 起 (點擊連結看更多)
✨年訂閱每月 NT350 ( 註冊選訂時將獲得最高 20% off 的優惠 ) 🌈 悠遊 Udemy 的 26000+ 門課，最大化學習 ( 原價 NT635/月 )
Udemy 現在越來越多課程有中文字幕，請參考 Soft & Share 中文線上課程
手機上點選優惠連結看到的價格比電腦上看到的貴
＄代表當地貨幣, 如在台灣為 NT
點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上，請稍等刷新或重新點選就會出現