Главная страница Категория обработка и анализ данных DS4B 102-R: Блестящие Дашборды

DS4B 102-R: Блестящие Дашборды

Name: DS4B 102-R: Блестящие Дашборды
Price: 13 USD
Rating: 5 (5 reviews)

DS4B 102-R: Shiny Dashboards

Business Science University

Начать Сейчас

Продолжительность

15 ч 37 мин

Категория

Обработка и анализ данных

Количество уроков

238 Видео

Дата добавления

8 апр. 2021 г., 22:44

Язык

Английский

Создайте прогнозирующее веб-приложение с помощью Shiny, Flexdashboard и XGBoost. Создавайте веб-приложения с помощью машинного обучения. Веб-приложение, которое вы научитесь создавать, использует науку о данных для прогнозирования цен на новые продукты!

Специалист по анализу данных создает ценность для организации, создавая веб-приложения, которые внедряют модели машинного обучения в производство.

Вот пример прогнозирующего веб-приложения, которое вы создаете в этом курсе.

Это веб-приложение позволяет деловым людям принимать решения на основе данных за счет более единообразных цен на продукты. Приложение включает в себя:

Shiny - фреймворк веб-приложения с компонентами пользовательского интерфейса, которые реагируют на ввод данных пользователем.
Flexdashboard - фреймворк для приборной панели, построенный на основе RMarkdown.
parsnip и XGBoost - модели машинного обучения, используемые для прогнозирования цен на товары.

Что наиболее важно, деловые люди могут использовать приложение для повышения согласованности цен на новые продукты на основе существующего портфеля продуктов благодаря мощности машинного обучения!

Финальный проект

Вы создадите панель управления продажами, которая:

Использует XGBoost для прогнозирования спроса на продажи по клиентам и категориям продуктов.
Имееи переключение между светлой и темной темами.
Управляет потоком с помощью реактивного программирования
Будет распространяться через Shinyapps.io

Для кого курс ...

Начинающие специалисты по обработке данных, завершившие курс DS4B 101-R и желающие создавать прогностические веб-приложения.
Специалисты по обработке данных среднего уровня, знакомые с R, но желающие изучить Shiny и Flexdashboard

Посмотреть больше

Это пробный урок. Оформите подписку, чтобы получить доступ ко всем материалам курса. Премиум

Урок 1. 00:02:16

Building Web Applications that Deliver Business Value!
Урок 2. 00:01:55

Course Roadmap - Building Production-Ready Web Apps Fast!
Урок 3. 00:00:58

Why Pricing Products Consistently Is Important
Урок 4. 00:01:18

Course Objective - Product Price Prediction App with Shiny & Flexdashboard
Урок 5. 00:02:52

Resource #1: The Ultimate R Cheat Sheet - Version 2.0 (File Download)
Урок 6. 00:03:07

Installing R (Optional)
Урок 7. 00:03:04

Installing RStudio IDE (Optional)
Урок 8. 00:02:35

Setting Up The Project (File Download)
Урок 9. 00:03:05

Installing R Packages (File Download)
Урок 10. 00:01:42

Transactional Data - What Is It?
Урок 11. 00:03:54

Orders: The Building Blocks of Transactional Data
Урок 12. 00:02:15

Data Model: Entity Relationship Diagram
Урок 13. 00:06:19

Understanding Database Relationships
Урок 14. 00:02:03

Part 1 - Learning Shiny By Building A Sales Dashboard!
Урок 15. 00:00:55

What You Build In This Section
Урок 16. 00:06:31

Resource #2: Flexdashboard Documentation & Key Resources
Урок 17. 00:03:07

Flexdashboard: Introduction & Layout Basics
Урок 18. 00:01:25

Orientation: Column vs Row
Урок 19. 00:03:50

Vertical Layout: Fill vs Scroll
Урок 20. 00:02:52

Tabsets
Урок 21. 00:04:02

Multiple Pages
Урок 22. 00:01:36

Flexdashboard Setup
Урок 23. 00:01:24

Libraries
Урок 24. 00:04:03

Database Connection
Урок 25. 00:05:01

Joining Data Using The SQLite Backend - Part 1
Урок 26. 00:04:13

Joining The Data Using The Database Backend - Part 2
Урок 27. 00:02:21

Processing Data: Final Preparations for the Map
Урок 28. 00:02:00

Adding A Section To The App
Урок 29. 00:01:40

Making the Plotly Map, Part 1: Plotly Chloropleth Maps
Урок 30. 00:03:02

Making The Plotly Map, Part 2: Aggregation By State
Урок 31. 00:02:38

Making The Plotly Map, Part 3: plot_geo()
Урок 32. 00:03:28

Making the Plotly Map, Part 4: add_trace()
Урок 33. 00:03:15

Making the Plotly Map, Part 5: layout()
Урок 34. 00:00:42

What You Build In This Section
Урок 35. 00:01:48

Setup (File Download)
Урок 36. 00:08:19

Resources #3: Shiny Cheat Sheet
Урок 37. 00:01:41

Resource #4: Shiny Widgets Gallery
Урок 38. 00:04:48

Resource #5: HTML Widgets Showcase
Урок 39. 00:02:07

Resource #6: shinyjs
Урок 40. 00:05:19

Shiny Tutorial App - Overview
Урок 41. 00:05:38

Checkbox - checkboxGroupInput()
Урок 42. 00:07:20

Checkbox - renderPrint() & textOutput()
Урок 43. 00:05:13

Date Range - dateRangeInput()
Урок 44. 00:02:42

Date Range - renderPrint() & textOutput()
Урок 45. 00:03:51

Slider - sliderInput()
Урок 46. 00:02:35

Slider - renderPrint() & textOutput()
Урок 47. 00:05:49

Reactive Filtering - reactive()
Урок 48. 00:05:27

Data Table - Interactive Tables with DT
Урок 49. 00:05:28

Reactive Expressions: Adding More Inputs to reactive()
Урок 50. 00:05:18

Reactive Summarization: DT
Урок 51. 00:02:30

Reset Button, Part 1: actionButton()
Урок 52. 00:01:17

Resource #7: Font Awesome
Урок 53. 00:07:32

Reset Button, Part 2: observeEvent()
Урок 54. 00:04:26

Sales Dashboard: Setting Up For Shiny
Урок 55. 00:02:09

shinyWidgets
Урок 56. 00:07:11

Data Preparation
Урок 57. 00:06:27

Bike Type Selector - shinyWidgets::checkboxGroupButtons()
Урок 58. 00:06:35

Bike Type Selector - reactive() & renderPlotly()
Урок 59. 00:07:04

Bike Family Selector - shinyWidgets::pickerInput()
Урок 60. 00:01:21

Bike Family Selector - reactive() filter
Урок 61. 00:06:24

Reset Button: actionButton()
Урок 62. 00:01:38

Challenge 1 - Add Date Range Input (File Download)
Урок 63. 00:05:33

Challenge 1 - Solution, Part 1
Урок 64. 00:07:52

Challenge 1 - Solution, Part 2
Урок 65. 00:01:03

What You Build In this Section
Урок 66. 00:01:39

Setup (File Download)
Урок 67. 00:01:04

Time Series Plot: Game Plan
Урок 68. 00:01:36

Flexdashboard Layout: "Over Time" Section
Урок 69. 00:06:57

Data Preparation
Урок 70. 00:05:46

Making the ggplot Geometries
Урок 71. 00:02:54

Formatting the ggplot
Урок 72. 00:01:27

Adding Interactivity: ggplotly()
Урок 73. 00:02:03

Parameterizing The Time Unit
Урок 74. 00:00:56

Next Steps: Reactivity
Урок 75. 00:01:33

Adding Reactivity: Game Plan
Урок 76. 00:05:56

Adding Reactivity, Part 1: Date Range Input
Урок 77. 00:02:05

Adding Reactivity, Part 2: renderPlotly()
Урок 78. 00:04:47

Adding Reactivity, Part 3: Connecting the Category 1 & 2 Inputs
Урок 79. 00:08:41

Adding Reactivity, Part 4: Date Aggregation with Radio Group Buttons
Урок 80. 00:00:41

Adding Reactivity, Part 5: Connecting the Date Aggregation Buttons
Урок 81. 00:02:25

Finishing Touches
Урок 82. 00:00:46

Next Steps
Урок 83. 00:02:10

Apply Button: Reactive Programming Overview
Урок 84. 00:01:57

Adding the Apply Button: actionButton()
Урок 85. 00:05:20

Reactive Button Click: eventReactive()
Урок 86. 00:03:08

Loading Plots When Firing Up The Application
Урок 87. 00:01:00

Welcome to shinyjs
Урок 88. 00:02:26

Setting Up shinyjs in RMarkdown
Урок 89. 00:02:40

Reset Button: Update Time Aggregation Buttons
Урок 90. 00:04:06

Reset Button: Click "Apply" with shinyjs
Урок 91. 00:02:31

Reset Button: Delay "Apply" Click with shinyjs
Урок 92. 00:01:13

Recap
Урок 93. 00:00:54

What You Build
Урок 94. 00:03:31

Setup & Layout
Урок 95. 00:03:35

Making Value Boxes: valueBox()
Урок 96. 00:07:25

Data Summarization, Part 1
Урок 97. 00:04:21

Data Summarization, Part 2
Урок 98. 00:02:24

Reactive Data Summarization
Урок 99. 00:04:36

Healthy Value Box
Урок 100. 00:03:00

Wealthy Value Box
Урок 101. 00:03:01

Wise Value Box
Урок 102. 00:02:11

Part 2 - Making A Predictive Web Application that Helps Your Organization
Урок 103. 00:04:11

Predictive Analysis Goals
Урок 104. 00:03:33

Setup (File Download)
Урок 105. 00:07:07

Preprocessing the Bikes Table
Урок 106. 00:03:13

Training Data Set: Getting Ready for parsnip + XGBoost
Урок 107. 00:06:37

Machine Learning Algorithm: parsnip + XGBoost
Урок 108. 00:09:07

Modularizing the Preprocessing Code, Part 1: Separate Bike Description
Урок 109. 00:05:04

Modularizing the Preprocessing Code, Part 2: Separate Model Description
Урок 110. 00:06:03

Making Predictions from User Input
Урок 111. 00:08:13

Modularizing the Prediction: Generating New Bikes
Урок 112. 00:05:19

Formatted Table
Урок 113. 00:01:09

Modularizing the Table Output: format_table()
Урок 114. 00:07:04

Bike Prediction Plot: Data Preparation
Урок 115. 00:07:17

Bike Prediction Plot: ggplot, Part 1
Урок 116. 00:04:48

Bike Prediction Plot: ggplot, Part 2
Урок 117. 00:05:06

Modularize the Bike Prediction Plot: plot_bike_prediction()
Урок 118. 00:00:53

What You Build In This Section
Урок 119. 00:02:48

Setup: dir_create() & flexdashboard creation
Урок 120. 00:03:26

Setting Up The Flexdashboard Layout
Урок 121. 00:03:36

Load Libraries
Урок 122. 00:03:20

Data: Connect to SQLite and Load Bikes Table Into Memory
Урок 123. 00:03:01

Scripts: Source Our Modular Prediction Functions
Урок 124. 00:01:52

Machine Learning Model: Loading Our XGBoost Algorithm
Урок 125. 00:03:34

Generating Bike Predictions
Урок 126. 00:00:41

The Prediction Table: format_table()
Урок 127. 00:02:27

The Price Prediction Plot: plot_bike_prediction()
Урок 128. 00:01:38

Aside - The Difference Between Flexdashboard With & Without runtime: shiny
Урок 129. 00:01:00

What You Build In This Section
Урок 130. 00:00:48

Setup (File Download)
Урок 131. 00:01:34

Adding Shiny To Our App - runtime: shiny
Урок 132. 00:02:10

Adding A Text Input: textInput()
Урок 133. 00:02:10

Adding An Apply Button: actionButton()
Урок 134. 00:04:22

Adding Reactivity To The Apply Button: eventReactive()
Урок 135. 00:02:32

Rendering The Prediction Plot: renderPlotly()
Урок 136. 00:01:50

Rendering The Prediction Table: renderTable()
Урок 137. 00:01:27

Render On Load: Prediction Plot & Table
Урок 138. 00:01:30

Challenge #2: Reset Button (File Download)
Урок 139. 00:06:23

Challenge #2 Solution (File Download)
Урок 140. 00:00:56

What You Build In This Section
Урок 141. 00:00:44

Setup (File Download)
Урок 142. 00:02:05

Organizing Our UI & Adding The shinyWidgets Library
Урок 143. 00:03:01

Getting The Unique Categories: distinct()
Урок 144. 00:03:59

Adding Bike Family UI: pickerInput()
Урок 145. 00:02:08

Connecting Bike Family UI To The Apply Button
Урок 146. 00:02:01

Connecting Bike Family UI To The Reset Button
Урок 147. 00:06:23

Generate Bike Type From Bike Family
Урок 148. 00:03:18

Update Bike Family In Bike Prediction
Урок 149. 00:02:18

Adding Frame Material UI: pickerInput()
Урок 150. 00:03:39

Connecting Frame Material UI To Apply, Reset, & Generate New Bike Prediction
Урок 151. 00:01:08

Part 3 - Customizing The App To Your Organizations Brand!
Урок 152. 00:01:45

Setup (File Download)
Урок 153. 00:10:12

Resource #8: Chrome DevTools - Browser Web Development Tools
Урок 154. 00:07:09

CSS Setup & Coloring the Navbar
Урок 155. 00:03:50

Coloring the Sidebar
Урок 156. 00:04:54

Adding a Logo
Урок 157. 00:08:04

Resource #9: Google Fonts
Урок 158. 00:05:02

Navbar - Montserrat
Урок 159. 00:04:32

Headers - Montserrat
Урок 160. 00:02:26

Body - Roboto
Урок 161. 00:09:17

Coloring the Buttons
Урок 162. 00:04:19

Challenge #3: Cannondale Challenge! (File Downloads)
Урок 163. 00:14:12

Challenge #3 Solution, Part 1 (File Download)
Урок 164. 00:15:29

Challenge #3 Solution, Part 2
Урок 165. 00:01:21

Displaying Product Images in Your Shiny App
Урок 166. 00:04:53

Setup (File Downloads)
Урок 167. 00:04:10

Connect the Script & Model Paths
Урок 168. 00:01:21

Image Placeholder
Урок 169. 00:05:59

Extracting the Model Base
Урок 170. 00:04:02

Generate New Bike: To Speed Up Debugging
Урок 171. 00:05:21

Detecting & Retrieving the Image Path
Урок 172. 00:02:37

Expose the Image Path to the App
Урок 173. 00:04:59

Rendering Images: renderImage()
Урок 174. 00:05:39

Handling Bike Models with Numbers in their Names
Урок 175. 00:01:00

Part 4 - Adding Demand Forecasting & Customizing Your Sales Dashboard
Урок 176. 00:04:05

App Setup (File Download)
Урок 177. 00:04:05

Forecast Analysis: Setup & Overview
Урок 178. 00:05:17

Data Processing
Урок 179. 00:07:05

Time Series Aggregation: aggregate_time_series()
Урок 180. 00:05:17

Time Series Plot: plot_time_series()
Урок 181. 00:01:46

Time Series ML vs ARIMA: Why We Are Using ML For Our App
Урок 182. 00:06:22

timetk, Part 1: A toolkit for time series ML prep
Урок 183. 00:03:15

timetk Part 2: A Toolkit for Time Series ML Prep
Урок 184. 00:08:48

Making Training & Future Data
Урок 185. 00:07:52

XGBoost Forecast Model (File Download)
Урок 186. 00:08:23

Making Predictions & Outputting in the Format for Our New Forecast Plot
Урок 187. 00:06:03

Modularizing the XGBoost Forecast: generate_forecast()
Урок 188. 00:06:46

Interactive Forecast Plot
Урок 189. 00:02:31

plot_forecast()
Урок 190. 00:06:11

Visual Forecast Inspection
Урок 191. 00:04:10

Preparing for the Model Change
Урок 192. 00:02:34

Add Logic: Separating the Yearly Data from the Other Time Aggregations
Урок 193. 00:05:02

Making a Linear Regression Model for Yearly Data
Урок 194. 00:05:29

Updating the Plot Forecast Function, Part 1
Урок 195. 00:05:41

Updating the Plot Forecast Function, Part 2
Урок 196. 00:01:22

Saving Our Functions
Урок 197. 00:03:24

Setup (File Download)
Урок 198. 00:03:08

Trend Evaluation
Урок 199. 00:03:10

Experiment #1: Exploring Trend w/ XGBoost Forecast
Урок 200. 00:13:54

Experiment #2: Comparing XGBoost & GLMNet
Урок 201. 00:02:03

Overview
Урок 202. 00:02:25

Setup
Урок 203. 00:05:47

Toggle Switch: switchInput() [with CSS Copy-Paste]
Урок 204. 00:04:08

Showing & Hiding the Forecast Horizon: conditionalPanel()
Урок 205. 00:03:00

Link the Forecast Toggle Switch to Reset & Update Buttons
Урок 206. 00:08:35

Integrating the Forecast
Урок 207. 00:04:21

Producing the Forecast Plot
Урок 208. 00:03:26

Connecting the Forecast to the Time Unit Radio Buttons: observeEvent()
Урок 209. 00:03:27

Connecting the Forecast to the Forecast Mode Toggle Switch: observeEvent()
Урок 210. 00:06:05

Value Boxes, Part 1: Update Colors with Changing Data Filters
Урок 211. 00:06:53

Value Boxes, Part 2: Update Colors with Changing Data Filters
Урок 212. 00:06:01

Customer Selection: pickerInput()
Урок 213. 00:04:51

Connecting the Customer Selection to the Data Filter
Урок 214. 00:00:59

Recap
Урок 215. 00:01:10

Creating a CSS Theme for Our Shiny App
Урок 216. 00:01:15

Setup (File Download)
Урок 217. 00:03:01

Connecting Our CSS & Logo
Урок 218. 00:08:35

Adjusting the Sidebar Width
Урок 219. 00:04:55

Coloring the Forecast Mode Toggle Switch
Урок 220. 00:11:00

Coloring the Time Series Radio Buttons
Урок 221. 00:05:52

Coloring the Value Boxes
Урок 222. 00:02:36

Updating the CSS to Make Responsive for Mobile Devices
Урок 223. 00:03:17

Enabling Scroll Capability on the UI Sidebar for Mobile Devices
Урок 224. 00:00:46

Making a Dark Theme!
Урок 225. 00:09:21

Adding A View Mode Toggle Switch
Урок 226. 00:06:06

Creating The Dark Theme
Урок 227. 00:05:40

Switching Themes with includeCSS() & renderUI()
Урок 228. 00:03:15

Adjusting the Theme for Mobile Devices
Урок 229. 00:01:11

Final Shiny Sales Dashboard with Forecasting & Dark Theme!
Урок 230. 00:00:30

Publishing Your Shiny Web Application
Урок 231. 00:06:04

Publishing Options
Урок 232. 00:03:41

Setup: Shinyapps.io & App Files
Урок 233. 00:03:05

Connecting To Shinyapps.io & Publishing
Урок 234. 00:05:21

Troubleshooting Error #1: Files are Outside of App Directory
Урок 235. 00:01:55

Troubleshooting Error #2: xgboost package is not being installed
Урок 236. 00:00:27

Shiny App Deployed!!!
Урок 237. 00:01:37

Challenge #4: Create & Deploy Your Own App
Урок 238. 00:01:39

You Did It! I'm So Happy For You!!

Автор - Business Science University

Business Science University

Учитесь на виртуальных семинарах, которые проведут вас через весь процесс «Науки о данных для бизнеса»: решение проблем с наукой о данных, использование машинного обучения для создания интерактивных приложений и распространение решений внутри организации.

+10

Категории

Комментарии

Команда внимательно читает ваши комментарии и оперативно на них реагирует. Вы можете спокойно оставлять запросы на обновления или задавать любые вопросы о курсе здесь.

Другие материалы в этой категории

Изображение курса DS4B 101-P: Python для автоматизации обработки данных

Business Science University

11 июн. 2021 г., 15:41

Python Обработка и анализ данных

DS4B 101-P: Python для автоматизации обработки данных

DS4B 101-P: Python for Data Science Automation

Python for Data Science Automation - это инновационный курс, предназначенный для обучения аналитиков данных тому, как преобразовать бизнес-процессы в автоматизацию обработки данных на основе Python. Курс основан на двух основных принципах:

27 ч 6 мин

Английский

Посмотреть

+47

DS4B 102-R: Блестящие Дашборды

Ограничение времени просмотра

Автор - Business Science University

Business Science University

Обработка и анализ данных

Другие материалы в этой категории

DS4B 101-P: Python для автоматизации обработки данных