کتاب Geographic Data Science with R (علم داده‌های جغرافیایی با R: تجسم و تجزیه و تحلیل تغییرات محیطی) یک راهنمای کامل برای آشنایی با علوم داده‌های مرتبط با جغرافیا و پیاده‌سازی آن‌ها با استفاده از زبان برنامه‌نویسی R می‌باشد.
در ادامه مقدمه‌ای از کتاب Geographic Data Science with R را از زبان نویسنده شرح خواهیم داد.
مقدمه‌ای بر کتاب Geographic Data Science with R:
ما در زمان تغییرات زیست‌محیطی بی‌سابقه‌ای زندگی می‌کنیم که ناشی از تأثیرات سوخت‌های فسیلی بر آب‌وهوای زمین و گسترش ردپای استفاده از زمین‌های انسانی است. برای کاهش و انطباق با این تغییرات، نیاز به درک تأثیرات بی شمار آن‌ها بر سیستم‌های انسانی و طبیعی وجود دارد.
دستیابی به این هدف نیازمند داده‌های جغرافیایی در مورد عوامل محیطی مختلف از جمله آب و هوا، پوشش گیاهی، تنوع زیستی، خاک، زمین، آب و جمعیت انسانی است. نظارت مداوم نیز برای شناسایی محل وقوع تغییرات و تعیین نرخ آن‌ها ضروری است. حجم زیادی از داده‌های مربوطه توسط ماهواره‌های رصد زمین و حسگرهای زمینی جمع آوری می‌شود. با این حال، داده‌ها به تنهایی کافی نیستند. استفاده مؤثر از آن‌ها نیازمند ابزارهایی برای دستکاری و تحلیل مناسب است.
حوزه در حال رشد علم داده، تکنیک‌های فراوانی را برای تجزیه و تحلیل مجموعه‌های داده بزرگ و پیچیده، از جمله روش‌هایی برای تحلیل‌های توصیفی، توضیحی و پیش‌بینی ارائه کرده است. با این حال، به‌کارگیری این روش‌ها معمولاً بخش کوچکی از گردش کار کلی علم داده است.
سایر وظایف حیاتی عبارتند از غربالگری داده‌های مشکوک، مدیریت مقادیر از دست رفته، هماهنگ کردن داده‌ها از منابع متعدد، خلاصه کردن متغیرها برای تجزیه و تحلیل، و تجسم داده‌ها و نتایج تجزیه و تحلیل. اگرچه در حال حاضر کتاب‌های زیادی در مورد روش‌های آماری و یادگیری ماشینی موجود است، اما تعداد کمی از کتاب‌ها وجود دارد که به موضوع گسترده‌تر جریان‌های کاری علمی برای پردازش و تجزیه و تحلیل داده‌های مکانی می‌پردازد. هدف علم داده‌های جغرافیایی با R (GDSWR) پر کردن این شکاف است.
GDSWR مجموعه‌ای از آموزش‌ها را با هدف آموزش شیوه‌های خوب برای استفاده از سری‌های زمانی و داده‌های مکانی برای پرداختن به موضوعات مرتبط با تغییرات محیطی ارائه می‌کند. این مبتنی بر زبان و محیط R است که در حال حاضر بهترین گزینه را برای کار با منابع متنوع داده‌های مکانی و غیر مکانی با استفاده از یک پلت فرم واحد ارائه می‌دهد. هدف کتاب Geographic Data Science with R ارائه یک نمای کلی جامع از R نیست.
در عوض، از یک رویکرد مبتنی بر مثال برای ارائه رویکردهای عملی برای کار بر روی مسائل مختلف با استفاده از مجموعه‌های مختلف داده استفاده می‌کند. مواد در GDSWR در ابتدا برای دوره‌های کارشناسی و کارشناسی ارشد در سطح بالا در علوم داده‌های مکانی توسعه داده شد. همچنین برای مطالعه فردی توسط دانشجویان یا متخصصانی که می‌خواهند توانایی‌های خود را برای کار با داده‌های مکانی در R گسترش دهند مناسب است.
اگرچه کتاب Geographic Data Science with R به عنوان یک راهنمای مرجع جامع در نظر گرفته نشده است، اما می‌تواند برای خوانندگانی که به دنبال نمونه‌هایی هستند نیز مفید باشد. از روش‌های خاصی که می‌توانند برای برنامه‌های جدید اصلاح شوند. این آموزش‌ها بر جغرافیای فیزیکی تمرکز می‌کنند و بر منابع داده‌های مختلف، از جمله داده‌های ایستگاه هواشناسی، داده‌های آب و هوایی شبکه‌بندی‌شده، داده‌های طبقه‌بندی شده پوشش زمین و مدل‌های ارتفاعی دیجیتالی تمرکز دارند.
من صمیمانه امیدوارم که GDSWR به خوانندگان کمک کند تا مهارت خود را با R افزایش دهند تا بتوانند گردش‌های کاری پیچیده‌تری را در علم داده پیاده‌سازی کنند که از منابع داده‌های جغرافیایی متنوع استفاده مؤثری می‌کند. این مهارت‌ها به آن‌ها اجازه می‌دهد تا به پرسش‌های علمی مبرم بپردازند و کاربردهای جدید جغرافیایی را توسعه دهند که می‌تواند درک ما را از دنیای در حال تغییری که در آن زندگی می‌کنیم افزایش دهد.
نحوه استفاده از کتاب Geographic Data Science with R
اگر در R تازه کار هستید، بهتر است از ابتدا شروع کنید و فصل‌ها را به‌طور متوالی پیش ببرید، زیرا هر کدام بر اساس موضوعاتی است که قبلاً توضیح داده شده است. کاربران باتجربه‌تر R، به‌ویژه آن‌هایی که قبلاً با بسته‌های مجموعه tidyverse کار کرده‌اند (Wickham, 2021)، باید بتوانند به فصل‌های خاص مورد علاقه پرش کنند. هر فصل از کتاب Geographic Data Science with R متن روایی را همراه با بلوک‌های کد R و خروجی‌های اجرای کد ارائه می‌کند.
در متن، نام بسته‌ها به صورت متن پررنگ (مانند ggplot2) و کد درون خطی، آرگومان‌های تابع، کلاس‌های شی، نام اشیا و نام فایل‌ها با فونت ماشین تحریر (به عنوان مثال، myobject) قالب‌بندی می‌شوند. نام توابع با پرانتز دنبال می‌شود (به عنوان مثال ggplot()). بسیاری از منابع یادگیری عالی و راهنماهای مرجع وجود دارند که موضوعات تحت پوشش GDSWR را گسترش می‌دهند. توصیه‌هایی برای مطالعه بیشتر در مکان‌های مناسب در سراسر کتاب Geographic Data Science with R ارائه شده است.
فایل‌های داده استفاده شده در هر فصل را می‌توان از https://doi.org/10.6084/m9.figshare.21301212 دانلود کرد و برای اجرای کد در سیستم خود استفاده کرد. یکی از بهترین راه‌ها برای یادگیری برنامه‌نویسی این است که با تغییر کد موجود، آزمایش کنید تا ببینید خروجی‌ها در نتیجه چگونه تغییر می‌کنند.
در پایان هر فصل از کتاب Geographic Data Science with R، چندین پیشنهاد برای نحوه تمرین با اصلاح کد مثال وجود دارد. هنگام اجرای کد، توصیه می‌کنیم خوانندگان از نرم افزار رابط کاربری گرافیکی RStudio (GUI) استفاده کنند و برای هر فصل یک پروژه جداگانه ایجاد کنند. کد ورودی و خروجی فایل فرض می‌کند که داده‌ها از دایرکتوری کاری پروژه RStudio خوانده و نوشته می‌شوند. پیوست شامل دستورالعمل‌هایی در مورد نحوه راه‌اندازی پروژه‌های RStudio و مرتبط کردن آن‌ها با پوشه‌های موجود در سیستم فایل رایانه شما است.
در نهایت، خوانندگان کتاب Geographic Data Science with R نباید از استفاده از تکنیک‌های اینجا برای پروژه‌های خود با مجموعه داده‌های جدید دریغ کنند. به عنوان مثال، کارهای ساده دستکاری داده‌ها و نمودارسازی که با یک صفحه گسترده انجام می‌شود را می‌توان با اسکریپت‌های R خودکار کرد.
تحلیل‌های فضایی که به صورت تعاملی با نرم‌افزار اختصاصی GIS انجام می‌شوند می‌توانند به طور مشابه به کد R ترجمه شوند. هنگامی که مراحل مختلف تجزیه و تحلیل در R پیاده‌سازی می‌شوند، ترکیب آن‌ها در گردش‌های کاری قابل تکرار و مستند بسیار آسان‌تر است. انتقال از آموزش به طراحی تجزیه و تحلیل و نوشتن کد خود نیازمند آزمون و خطای قابل توجهی است. مانند هر تلاش دیگری، تمرین و پشتکار در نهایت کلید یادگیری استفاده موثر از R برای علم داده‌های جغرافیایی است.
سرفصل‌های کتاب Geographic Data Science with R:
- Cover
- Half Title
- Series Page
- Title Page
- Copyright Page
- Dedication
- Contents
- List of Figures
- List of Tables
- Preface
- About the Author
- 1. Introduction to R
- 2. Graphics with ggplot2
- 3. Processing Tabular Data
- 4. Dates in R
- 5. Vector Geospatial Data
- 6. Raster Geospatial Data—Continuous
- 7. Raster Geospatial Data—Discrete
- 8. Coordinate Reference Systems
- 9. Combining Vector Data with Continuous Raster Data
- 10. Combining Vector Data with Discrete Raster Data
- 11. Application—Wildfire Severity Analysis
- 12. Application—Species Distribution Modeling
- Appendix
- Bibliography
- Index
جهت دانلود کتاب Geographic Data Science with R می‌توانید پس از پرداخت، دریافت کنید.
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.