R Programming: Advanced Analytics In R For Data Science

Lập trình R: Phân tích Nâng cao trong R cho Khoa học Dữ liệu

Nâng cao Kỹ năng R & R Studio của Bạn. Phân tích Dữ liệu, Khoa học Dữ liệu, Phân tích Thống kê trong Kinh doanh, GGPlot2

4.6

(9,183 đánh giá)

63,206 học viên

Giảng viên

Kirill Eremenko

Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao

50.000đ 349.000đ -86%

✓ Xem giỏ hàng và thanh toán

Bao gồm phụ đề tiếng Việt, tiếng Anh

6.0 giờ video

62 bài giảng

3 bài quiz

Truy cập vĩnh viễn

Học trên mọi thiết bị

Cập nhật: 24/08/2026

#Advanced Analytics #Data Preparation #Data Science #R Programming

Bạn sẽ học được gì

Thực hiện Chuẩn bị Dữ liệu trong R

Xác định bản ghi bị thiếu trong dataframe

Xác định vị trí dữ liệu bị thiếu trong dataframe

Áp dụng phương pháp Thay thế bằng Trung vị để thay thế bản ghi bị thiếu

Áp dụng phương pháp Phân tích Thực tế để thay thế bản ghi bị thiếu

Hiểu cách sử dụng hàm which()

Biết cách đặt lại chỉ mục (index) của dataframe

Làm việc với hàm gsub() và sub() để thay thế chuỗi

Giải thích tại sao NA là một kiểu hằng logic thứ ba

Xử lý dữ liệu ngày-giờ trong R

Chuyển đổi dữ liệu ngày-giờ sang định dạng thời gian POSIXct

Tạo, sử dụng, thêm, sửa đổi, đổi tên, truy cập và lấy tập con của Danh sách (List) trong R

Hiểu khi nào dùng [] và khi nào dùng [[]] hoặc dấu $ khi làm việc với Danh sách

Tạo biểu đồ chuỗi thời gian trong R

Hiểu cách hoạt động của họ hàm Apply

Tái tạo một câu lệnh apply bằng vòng lặp for()

Sử dụng apply() khi làm việc với ma trận

Sử dụng lapply() và sapply() khi làm việc với danh sách và vector

Thêm hàm tự tạo vào câu lệnh apply

Lồng ghép các hàm apply(), lapply() và sapply() vào nhau

Sử dụng hàm which.max() và which.min()

Yêu cầu

Kiến thức cơ bản về R

Nên có kiến thức về gói GGPlot2

Kiến thức về dataframe

Kiến thức về vector và các phép toán trên vector

Đối tượng phù hợp

Dành cho người đã có kiến thức cơ bản về R và muốn nâng cao kỹ năng

Dành cho người đã hoàn thành khóa học R Programming A-Z

Khóa học này KHÔNG dành cho người mới bắt đầu hoàn toàn với R

Nội dung khóa học

5 phần • 53 bài giảng

1 Chào mừng đến với Khóa học Lập trình R Nâng cao!

2 Lộ trình Học tập

3 Phần bổ sung: Cuộc phỏng vấn với Hadley Wickham

4 Tải tài liệu học tập

5 Phần thưởng $$ cho việc học

1 Chào mừng đến phần này. Đây là những gì bạn sẽ học!

2 Tóm tắt Dự án: Đánh giá Tài chính

3 Nhập Dữ liệu vào R

4 Factor là gì (Ôn tập)

5 Bẫy Biến Factor

6 Ví dụ về Bẫy Biến Factor

7 gsub() và sub()

8 Xử lý Dữ liệu Bị thiếu

9 NA là gì?

10 Cách Thanh lịch để Xác định Vị trí Dữ liệu Bị thiếu

11 Bộ lọc Dữ liệu: which() cho Dữ liệu Không bị thiếu

12 Bộ lọc Dữ liệu: is.na() cho Dữ liệu Bị thiếu

13 Xóa các bản ghi có dữ liệu bị thiếu

14 Đặt lại chỉ mục dataframe

15 Thay thế Dữ liệu Bị thiếu: Phương pháp Phân tích Thực tế

16 Thay thế Dữ liệu Bị thiếu: Phương pháp Thay thế bằng Trung vị (Phần 1)

17 Thay thế Dữ liệu Bị thiếu: Phương pháp Thay thế bằng Trung vị (Phần 2)

18 Thay thế Dữ liệu Bị thiếu: Phương pháp Thay thế bằng Trung vị (Phần 3)

19 Thay thế Dữ liệu Bị thiếu: Phương pháp Suy ra Giá trị

20 Trực quan hóa kết quả

21 Tóm tắt Phần học

1 Chào mừng đến phần này. Đây là những gì bạn sẽ học!

2 Tóm tắt Dự án: Hiệu suất Máy móc

3 Nhập Dữ liệu vào R

4 Xử lý Dữ liệu Ngày-Giờ trong R

5 Lập trình R: Danh sách (List) là gì?

6 Đặt tên cho các thành phần của danh sách

7 Trích xuất thành phần của danh sách: [] so với [[]] so với $

8 Thêm và xóa thành phần

9 Lấy tập con của danh sách

10 Tạo Biểu đồ Chuỗi Thời gian

11 Tóm tắt Phần học

1 Chào mừng đến phần này. Đây là những gì bạn sẽ học!

2 Tóm tắt Dự án: Mẫu Thời tiết

3 Nhập Dữ liệu vào R

4 Lập trình R: Họ hàm Apply là gì?

5 Sử dụng apply()

6 Tái tạo hàm apply bằng vòng lặp (chủ đề nâng cao)

7 Sử dụng lapply()

8 Kết hợp lapply() với []

9 Thêm hàm tự tạo

10 Sử dụng sapply()

11 Lồng ghép các hàm apply()

12 which.max() và which.min() (chủ đề nâng cao)

13 Tóm tắt Phần học

14 Video CẢM ƠN

1 Chúc mừng rất lớn vì đã hoàn thành thử thách!

2 Bài giảng Bổ sung

Giới thiệu khóa học

Ready to take your R Programming skills to the next level?

Want to truly become proficient at Data Science and Analytics with R?

This course is for you!

Professional R Video training, unique datasets designed with years of industry experience in mind, engaging exercises that are both fun and also give you a taste for Analytics of the REAL WORLD.

In this course, you will learn:

How to prepare data for analysis in R
How to perform the median imputation method in R
How to work with date-times in R
What Lists are and how to use them
What the Apply family of functions is
How to use apply(), lapply() and sapply() instead of loops
How to nest your own functions within apply-type functions
How to nest apply(), lapply() and sapply() functions within each other
And much, much more!

The more you learn, the better you will get. After every module, you will have a robust set of skills to take with you into your Data Science career.

We prepared real-life case studies.

In the first section, you will be working with financial data, cleaning it up, and preparing for analysis. You were asked to create charts showing revenue, expenses, and profit for various industries.

In the second section, you will be helping Coal Terminal understand what machines are underutilized by preparing various data analysis tasks.

In the third section, you are heading to the meteorology bureau. They want to understand better weather patterns and requested your assistance on that.