R Data Structures Eğitimi

Eğitim Hakkında

R dilinin temel veri yapıları

Eğitim R dilinin veri yapılarını sistemli işler. Atomik vektörler ve tür zorlaması, vektörleştirme ve geri dönüşüm (recycling), liste ve iç içe liste, matris ve array, data.frame ile tibble, faktör ve seviyeler, NA yönetimi, [ ], [[ ]] ve $ indekslemesi, apply, lapply, sapply ve purrr::map, tidyr ile uzun ve geniş dönüşüm uygulamalı RStudio ortamında işlenir.

Süre ve Format

2 Gün. Her gün dört modül; 1. gün Vektör, Liste ve Matris; 2. gün Veri Çerçevesi, Faktör ve Dönüşüm.

Seviye

Temel Seviye — R dilinde vektör, liste, matris, veri çerçevesi ve faktör yapıları

Öğrenme Metodu

Katılımcılar RStudio'da her yapıyı oluşturur, indeksler ve dönüştürür; gerçek bir CSV veri kümesini data.frame ve tibble ile temizler.

Neden Bu Eğitim?

📊Veri Yapısı Hakimiyeti

R'daki hataların çoğunun kaynağı olan tür ve yapı farklarını netleştirirsiniz.

🧹Temiz Veri

NA, faktör ve veri çerçevesi dönüşümleriyle analiz öncesi veriyi hazırlarsınız.

🔁Fonksiyonel Stil

Döngü yerine apply ve map ailesiyle kısa kod yazarsınız.

Anahtar Konular

r programlamar data structuresdata.frametibbler faktörr vektör listetidyverserstudio eğitimi

“R'da veriyi doğru yapıda tutmak, analizin yarısıdır.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Temel istatistik

Ortalama ve medyan gibi kavramları bilmek yeterlidir.

2

R ve RStudio

Güncel R ve RStudio Desktop kurulu olmalıdır.

3

Temel programlama

Değişken ve fonksiyon fikri faydalıdır.

4

CSV

CSV dosyası açıp inceleyebilmek gerekir.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı vektör, liste, matris ve array yapılarını oluşturur, indeksler ve dönüştürür.

Modül 1

Atomik Vektörler

c() ile vektör oluşturma
logical, integer, double, character türleri
Tür zorlaması (coercion) kuralları
Vektörleştirilmiş işlemler ve recycling
seq, rep ve : kullanımı
Adlandırılmış vektörler

Modül 2

İndeksleme

Pozitif, negatif ve mantıksal indeks
which ve %in% kullanımı
[ ], [[ ]] ve $ farkı
İsimle indeksleme
Koşula göre alt küme alma
Sıralama: order, sort, rev

Modül 3

Liste Yapıları

list() ve iç içe listeler
Liste öğesine erişim [[ ]] ve $
Liste değiştirme ve silme
str() ile yapıyı inceleme
Listeyi vektöre çevirme (unlist)
JSON ve listeler ilişkisi

Modül 4

Matris ve Array

matrix(), dim, byrow
Satır ve sütun adları
Matris çarpımı %*%
apply ile satır ve sütun işlemleri
cbind ve rbind
array() ile çok boyutlu veri

Günün hedefiKatılımcı veri çerçevelerini temizler, faktörlerle çalışır ve apply ile tidyr araçlarıyla dönüşüm yapar.

Modül 1

data.frame ve tibble

data.frame oluşturma ve read.csv
tibble farkları ve yazdırma davranışı
str, summary, head, glimpse
Satır ve sütun seçimi
Yeni sütun ekleme ve silme
merge ve dplyr join işlemleri

Modül 2

Faktörler

factor() ve levels
Sıralı (ordered) faktör
Seviye yeniden adlandırma ve birleştirme
forcats ile faktör işleme
table ve cut ile kategorize etme
Faktör ve karakter dönüşüm hataları

Modül 3

Eksik Veri ve Temizlik

NA, NULL, NaN ve Inf farkı
is.na ve complete.cases
na.rm argümanı
Eksik veriyi doldurma stratejileri
Yinelenen kayıtlar: duplicated
Tür dönüşümü: as.numeric, as.Date

Modül 4

Fonksiyonel Dönüşüm

lapply, sapply, vapply
Map, Filter, Reduce
purrr::map ailesi
tapply ve aggregate ile gruplama
pivot_longer ve pivot_wider
Boru hattı |> ile akış

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Vektör İşlemleri

Vektörleştirilmiş işlemleri doğru kullanırsınız.

✅

İndeksleme

[ ], [[ ]] ve $ farkını bilerek veri seçersiniz.

✅

Liste Yönetimi

İç içe listeleri okuyup dönüştürürsünüz.

✅

Matris Hesapları

Matris ve array ile hesaplama yaparsınız.

✅

Veri Çerçevesi

data.frame ve tibble ile tablo verisini işlersiniz.

✅

Faktör Kullanımı

Kategorik değişkenleri faktör olarak yönetirsiniz.

✅

NA Yönetimi

Eksik değerleri tespit edip uygun biçimde ele alırsınız.

✅

Fonksiyonel Programlama

apply ve map ailesiyle kısa ve okunaklı kod yazarsınız.

Kimler İçin Uygundur?

Veri analistleri
istatistik öğrencileri
R'a yeni başlayan araştırmacılar için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Veri analistleri, istatistik öğrencileri ve R'a yeni başlayan araştırmacılar için uygundur. Ortalama ve medyan gibi kavramları bilmek yeterlidir.

R bilmiyorum, katılabilir miyim?

Evet, RStudio kurulumundan başlanır.

Tidyverse kapsanıyor mu?

Evet, tibble, dplyr, tidyr, forcats ve purrr temel düzeyde kullanılır.

Sertifika verilir mi?

Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

İstatistik modelleme var mı?

Hayır, odak veri yapılarıdır; modelleme için ayrı eğitimlerimiz vardır.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

R DATA STRUCTURES EĞİTİMİ