Johns Hopkins University

Einführung in das Tidyverse

Carrie Wright, PhD
Shannon Ellis, PhD
Stephanie Hicks, PhD

Dozenten: Carrie Wright, PhD

4.515 bereits angemeldet

Bei Coursera Plus enthalten

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.4

(42 Bewertungen)

Stufe Anfänger

Empfohlene Erfahrung

Es dauert 7 Stunden
3 Wochen bei 2 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.4

(42 Bewertungen)

Stufe Anfänger

Empfohlene Erfahrung

Es dauert 7 Stunden
3 Wochen bei 2 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

  • Unterscheiden Sie zwischen aufgeräumten und unaufgeräumten Daten

  • Beschreiben Sie, wie nicht aufgeräumte Daten in aufgeräumte Daten umgewandelt werden können

  • Beschreiben Sie das Tidyverse Ökosystem von Paketen

  • Organisieren und initiieren Sie ein Data Science-Projekt

Kompetenzen, die Sie erwerben

  • Kategorie: Datenmanagement
  • Kategorie: Datenvisualisierung
  • Kategorie: R-Programmierung
  • Kategorie: daten bereinigen

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

5 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung Tidyverse-Fähigkeiten für Datenwissenschaft in R
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • Lernen Sie neue Konzepte von Branchenexperten
  • Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
  • Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
  • Erwerben Sie ein Berufszertifikat zur Vorlage
Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

In diesem Kurs gibt es 6 Module

Bevor wir all die Möglichkeiten erörtern können, mit denen R die Arbeit mit aufgeräumten Daten erleichtert, müssen wir zunächst wissen, was aufgeräumte Daten sind. Aufgeräumte Datensätze sind einfacher zu bearbeiten, zu modellieren und zu visualisieren, da die Grundsätze für aufgeräumte Daten, die wir in diesem Kurs besprechen werden, den Daten einen allgemeinen Rahmen und eine Reihe von konsistenten Regeln auferlegen. Ein bekanntes Zitat von Hadley Wickham lautet: "Aufgeräumte Datensätze sind alle gleich, aber jeder unordentliche Datensatz ist auf seine eigene Weise unordentlich." Die Verwendung eines konsistenten, aufgeräumten Datenformats ermöglicht die Entwicklung von Tools, die innerhalb dieses Rahmens gut funktionieren und letztlich die Datenverarbeitung, Visualisierung und Analyse vereinfachen. Wenn Sie mit Daten beginnen, die bereits in einem aufgeräumten Format vorliegen, oder wenn Sie sich zu Beginn eines Projekts die Zeit nehmen, die Daten in ein aufgeräumtes Format zu bringen, werden die verbleibenden Schritte Ihres Data Science-Projekts einfacher sein.

Das ist alles enthalten

6 Lektüren2 Aufgaben

Der Grund, warum es wichtig ist, darüber zu sprechen, was ordentliche Daten sind und wie sie aussehen, ist, dass die meisten Daten in der Welt da draußen unordentlich sind. Wenn Sie nicht derjenige sind, der die Daten eingibt, sondern wenn Sie die Daten von jemand anderem für ein Projekt erhalten, sind diese Daten in den meisten Fällen unordentlich. Unordentliche Daten werden oft einfach als unordentliche Daten bezeichnet. Um mit diesen Daten problemlos arbeiten zu können, müssen Sie sie in ein ordentliches Datenformat bringen. Das bedeutet, dass Sie unordentliche Daten genau erkennen und wissen müssen, wie Sie sie in ein ordentliches Format bringen können. Die folgenden häufigen Probleme, die in unordentlichen Datensätzen auftreten, stammen wiederum aus Hadley Wickhams Aufsatz über ordentliche Daten (http://vita.had.co.nz/papers/tidy-data.pdf). Nach einer kurzen Erläuterung der einzelnen Probleme werden wir uns einige unordentliche Datensätze ansehen. Schließlich werden wir uns mit den Konzepten für die Bereinigung unordentlicher Daten befassen, aber wir werden noch keine praktischen Übungen machen. Das kommt bald!

Das ist alles enthalten

3 Lektüren1 Aufgabe

Mit einem soliden Verständnis von aufgeräumten Daten und wie aufgeräumte Daten in den Lebenszyklus der Datenwissenschaft passen, werden wir uns ein wenig Zeit nehmen, um Ihnen die tidyverse und tidyverse-verwandten Pakete vorzustellen, die wir in dieser Spezialisierung lehren und verwenden werden. Zusammen bilden diese Pakete das tidyverse-Ökosystem, wie wir es nennen. Im weiteren Verlauf dieses Kurses geht es nicht darum, dass Sie verstehen, wie jedes dieser Pakete zu verwenden ist (das kommt noch!), sondern vielmehr darum, dass Sie sich damit vertraut machen, welche Pakete in welchen Teil des Lebenszyklus der Datenwissenschaft passen. Beachten Sie, dass die offiziellen tidyverse-Pakete unten fett gedruckt sind. Alle anderen Pakete sind tidyverse-adjacent, d.h. sie folgen denselben Konventionen wie die offiziellen tidyverse-Pakete und funktionieren gut innerhalb des tidy-Rahmens und der Struktur der Datenanalyse.

Das ist alles enthalten

5 Lektüren

Data-Science-Projekte sind sehr unterschiedlich, so dass es schwierig sein kann, allgemeingültige Regeln für ihre Organisation aufzustellen. Es gibt jedoch einige Möglichkeiten, Projekte zu organisieren, die im Allgemeinen nützlich sind. Insbesondere haben fast alle Projekte mit verschiedenen Arten von Dateien zu tun - Datendateien, Codedateien, Ausgabedateien usw. In diesem Abschnitt erfahren Sie, wie Dateien funktionieren und wie Projekte organisiert und angepasst werden können.

Das ist alles enthalten

6 Lektüren2 Aufgaben

In dieser Specialization werden wir eine Reihe von Fallstudien aus Open Case Studies verwenden, um die im Kurs vorgestellten Konzepte zu demonstrieren. Im Allgemeinen werden wir während der gesamten Spezialisierung dieselben Fallstudien verwenden, um Kontinuität zu gewährleisten, damit Sie sich auf die Konzepte und Fähigkeiten konzentrieren können, die gelehrt werden (und nicht auf den Kontext), während Sie mit interessanten Daten arbeiten. Diese Fallstudien befassen sich mit einer Frage des öffentlichen Gesundheitswesens und verwenden allesamt echte Daten.

Das ist alles enthalten

2 Lektüren2 Unbewertete Labore

Dieses Projekt ermöglicht es Ihnen, ein neues Projekt zu erstellen und die Dateien zu organisieren, die für eine zukünftige Datenanalyse benötigt werden

Das ist alles enthalten

1 peer review

Dozenten

Lehrkraftbewertungen
4.3 (15 Bewertungen)
Carrie Wright, PhD
Johns Hopkins University
7 Kurse7.843 Lernende
Shannon Ellis, PhD
Johns Hopkins University
5 Kurse6.022 Lernende
Stephanie Hicks, PhD
Johns Hopkins University
5 Kurse6.022 Lernende

von

Empfohlen, wenn Sie sich für Datenanalyse interessieren

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

Zeigt 3 von 42

4.4

42 Bewertungen

  • 5 stars

    69,76 %

  • 4 stars

    16,27 %

  • 3 stars

    4,65 %

  • 2 stars

    2,32 %

  • 1 star

    6,97 %

DI
5

Geprüft am 17. Apr. 2024

DM
5

Geprüft am 30. Okt. 2022

Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen