Мы живём в эпоху цифровизации, когда каждый процесс можно автоматизировать и упростить свою работу. На языке R можно написать код, который освободит вам время для новых проектов. Научитесь легко собирать данные из различных систем. Прокачайтесь до уровня middle в прогнозировании и визуализации в R-Studio. Автоматизируйте рутинные задачи.
Самая универсальная область применения R — аналитика Используя R, вы можете провести статистические тесты и проверить гипотезы, построить графики и сделать прогноз. 1. Легко собирайте данные из различных систем с R 2. Прокачайтесь до уровня middle в прогнозировании и визуализации в R-Studio 3. Автоматизируйте свои рутинные задачи после прохождения курса
Возможности после обучения 1. Собирать Данные из большинства аналитических систем 2. Преобразовывать R-скрипты для переработки получаемых данных в зависимости от задач 3. Анализировать Рутинные процессы с помощью скриптов и показывать результаты на графиках
Достижения и ключевые навыки после обучения
Достигнутые результаты: 1. Составлен прогноз продаж в зависимости от погоды 2. Собраны несколько наборов данных в один 3. Проведён анализ продаж интернет-маркетинга 4. Проведён анализ потребительских привычек регионов России 5. Составлен прогноз цены квартиры на основе характеристик
Ключевые навыки: 1. Сбор данных из большинства веб-аналитических систем 2. Преобразование данных с помощью R-скриптов 3. Работа с клиент-серверными, облачными и локальными базами данных на языке R 4. Разработка скриптов для рассылки писем и создания наглядных графиков
Программа обучения:
Модуль 1 - Базовые принципы программирования на R Рассмотрим базовые возможности языка R, научимся настраивать R-Studio и начнём использовать для простых операций. 1. R и R-Studio 2. Переменные их типы 3. Объявление переменных в R 4. Арифметические операции 5. Логические переменные и операции 6. Ветвление 7. Циклы
Модуль 2 - Отличия R от традиционного программирования Познакомимся с векторами и техниками программирования в R. 1. Понятие вектора, векторные операции 2. Использование функций 3. Обзор основных функций и пакетов R
Модуль 3 - Работа с наборами данных Научимся импортировать данные в R, познакомимся с фреймами данных, освоим базовые операции (просмотр, обращение к данным, преобразование, соединение, фильтрация). 1. DataFrame — что это и для чего 2. Импорт DataFrame в R 3. Простейшее исследование DataFrame 4. Доступ к переменным DataFrame (знак $) 5. Базовые операции с DataFrame 6. Фильтрация DataFrame
Модуль 4 - Визуализация в R Познакомимся со способами визуализации данных в R, научимся применять визуализацию в зависимости от данных, интерпретировать графики. Научимся оценивать распределение, описательные статистики для двух и более переменных, узнаем о корреляции и регрессии. 1. Основы визуализации в R 2. Построение гистограмм — функция hist 3. Построение boxplot 4. Построение графиков зависимостей двух переменных
Модуль 5 - Продвинутая визуализация в R Познакомимся с продвинутыми способами визуализации данных в R, научимся работать со сложными наборами данных и интерпретировать их. 1. Базовый шаблон ggplot 2. Геометрические типы и преобразования 3. Управление графическими параметрами 4. Группировка данных 5. Системы координат 6. Оси, легенды, подписи 7. Разделение графиков по фасетам 8. Интерактивная визуализация в Shiny
Модуль 6 - Исследовательский анализ данных в R Научимся подготавливать данные к дальнейшей работе, анализу структуры, классификации без обучения (кластерный анализ). 1. Стандартизация данных 2. Иерархическая кластеризация 3. Метод k-средних (kmeans) 4. Основы мультивариативного анализа в R
Модуль 7 - Основы прогнозирования в R Узнаем про основные модели прогнозирования, познакомимся с линейной регрессией и научимся её построению, оценке и использованию. 1. Модели прогнозирования 2. Линейная регрессия 3. Построение модели линейной регрессии в R 4. Оценка модели линейной регрессии и её использование
Модуль 8 - Создание и использование моделей в R Узнаем больше о различных моделях прогнозирования и их использовании в полевых условиях, научимся их строить и валидировать. Познакомимся с работой с предсказанием категории и с несбалансированными данными. 1. Логистическая регрессия 2. Основные модели, основанные на деревьях решений 3. Валидация модели 4. Дилемма смещения-дисперсии 5. Работа с предсказанием категории 6. Работа с несбалансированными данными 7. Имплементация модели в работу компании
Название: Язык R для аналитики Год выхода: 2020 Автор: Ольга Титова, Андрей Макеев (Нетология) Жанр: Видеокурс, программирование, разработка, обучение Формат: MP4 Видео: AVC | 1280x720 | ~585 Kbps Аудио: AAC | 112 kb/s | 32 KHz Язык: Русский Продолжительность: 18:34:17 Размер: 9.04 Gb
Xemera.At.Ua - информационный портал! Все ссылки на файлы, указанные на сайте взяты из открытых источников интернета и предоставлены пользователями нашего сайта исключительно в ознакомительных целях.
Если вы являетесь правообладателем какого либо материала и не желаете его свободного распространения, или считаете, что какой-либо из материалов нарушает Ваши авторские права - свяжитесь с Администрацией.
Владельцы и создатели данного сайта не несут ответственность за использование и содержание ссылок и информации, представленных на этом сайте.
Сайт оптимизирован для просмотра с разрешением 1024x768, 1280x800, 1280x1024 и 1600x1200 браузером FireFox или Opera
Статьи: 9918
Мысли: 0
Раздел:
Автор: 
Просмотров: 106 |
Теги:
Всего: 176
Админ: 1
Модераторы: 0
Журналисты: 10
Проверенные: 5
Пользователи: 160
Парней: 142
Девушек: 34