Ми живемо в епоху цифровізації, коли кожен процес можна автоматизувати і спростити свою роботу. Мовою R можна написати код, який звільнить вам час для нових проектів.
найбільш універсальна область застосування R-аналітика.використовуючи R, ви можете провести статистичні тести і перевірити гіпотези, побудувати графіки і зробити прогноз.
- Легко збирайте дані з різних систем з R
- Прокачайтеся до рівня middle в прогнозуванні і візуалізації в R-Studio
- Автоматизуйте свої рутинні завдання після проходження курсу
- збирати
Дані з більшості аналітичних систем - перетворювати
R-скрипти для переробки одержуваних даних в залежності від завдань - аналізувати
Рутинні процеси за допомогою скриптів і показувати результати на графіках
Досягнуті результати
- Складено прогноз продажів в залежності від погоди
- Зібрані кілька наборів даних в один
- Проведено аналіз продажів інтернет-маркетингу
- Проведено аналіз споживчих звичок регіонів Росії
- Складено прогноз ціни квартири на основі характеристик
- Збір даних з більшості веб-аналітичних систем
- Перетворення даних за допомогою R-скриптів
- Робота з клієнт-серверними, хмарними та локальними базами даних мовою r
- Розробка скриптів для розсилки листів і створення наочних графіків
програма навчання:
Зміст Модуль 1-базові принципи програмування на R
Розглянемо базові можливості мови R, навчимося налаштовувати R-Studio і почнемо використовувати для простих операцій.
Познайомимося з векторами і техніками програмування в R.
Навчимося імпортувати дані в R, познайомимося з фреймами даних, освоїмо базові операції (перегляд, звернення до даних, перетворення, з'єднання, фільтрація).
Познайомимося зі способами візуалізації даних в R, навчимося застосовувати візуалізацію в залежності від даних, інтерпретувати графіки. Навчимося оцінювати розподіл, описові статистики для двох і більше змінних, дізнаємося про кореляції і регресії.
Познайомимося з просунутими способами візуалізації даних в R, навчимося працювати зі складними наборами даних і інтерпретувати їх.
Навчимося готувати дані до подальшої роботи, аналізу структури, класифікації без навчання (кластерний аналіз).
Дізнаємося про основні моделі прогнозування, познайомимося з лінійною регресією і навчимося її побудові, оцінці та використанню.
Дізнаємося більше про різні моделі прогнозування та їх використання в польових умовах, навчимося їх будувати і валідувати. Познайомимося з роботою з передбаченням категорії і з незбалансованими даними.
Зміст Модуль 1-базові принципи програмування на R
Розглянемо базові можливості мови R, навчимося налаштовувати R-Studio і почнемо використовувати для простих операцій.
- R і R-Studio
- Змінні їх типи
- Оголошення змінних в R
- Арифметичні операції
- Логічні змінні та операції
- Розгалуження
- Цикли
Познайомимося з векторами і техніками програмування в R.
- Поняття вектора, векторні операції
- Використання функцій
- Огляд основних функцій і пакетів r
Навчимося імпортувати дані в R, познайомимося з фреймами даних, освоїмо базові операції (перегляд, звернення до даних, перетворення, з'єднання, фільтрація).
- DataFrame-що це і для чого
- Імпорт DataFrame в R
- Найпростіше дослідження DataFrame
- Доступ до змінних DataFrame (знак $)
- Базові операції з DataFrame
- Фільтрація DataFrame
Познайомимося зі способами візуалізації даних в R, навчимося застосовувати візуалізацію в залежності від даних, інтерпретувати графіки. Навчимося оцінювати розподіл, описові статистики для двох і більше змінних, дізнаємося про кореляції і регресії.
- Основи візуалізації в R
- Побудова гістограм-функція hist
- Побудова boxplot
- Побудова графіків залежностей двох змінних
Познайомимося з просунутими способами візуалізації даних в R, навчимося працювати зі складними наборами даних і інтерпретувати їх.
- Базовий шаблон ggplot
- Геометричні типи і перетворення
- Управління графічними параметрами
- Групування даних
- Системи координат
- Осі, легенди, підписи
- Поділ графіків за фасетами
- Інтерактивна візуалізація в Shiny
Навчимося готувати дані до подальшої роботи, аналізу структури, класифікації без навчання (кластерний аналіз).
- Стандартизація даних
- Ієрархічна кластеризація
- Метод k-середніх (kmeans)
- Основи мультиваріативного аналізу в R
Дізнаємося про основні моделі прогнозування, познайомимося з лінійною регресією і навчимося її побудові, оцінці та використанню.
- Моделі прогнозування
- Лінійна регресія
- Побудова моделі лінійної регресії в R
- Оцінка моделі лінійної регресії та її використання
Дізнаємося більше про різні моделі прогнозування та їх використання в польових умовах, навчимося їх будувати і валідувати. Познайомимося з роботою з передбаченням категорії і з незбалансованими даними.
- логістична регресія
- основні моделі, засновані на деревах рішень
- валідація моделі
- дилема зміщення-дисперсії
- Робота з передбаченням категорії
- Робота з незбалансованими даними
- імплементація моделі в роботу компанії
https://privatelink.de/?https://netology.ru/programs/r-analysis