Придбаний Исследуйте в R [2020] [Нетология] [Анастасия Борейша]

[Gadzhi]

Исследуйте в R [2020] [Нетология] [Анастасия Борейша]



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.

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

1. Прокачайтесь до уровня middle в прогнозировании и визуализации в R-Studio
2. 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

1. Собраны несколько наборов данных в один
2. Проведён анализ продаж интернет-маркетинга
3. Проведён анализ потребительских привычек регионов России
4. Составлен прогноз цены квартиры на основе характеристик

Ключевые навыки

1. Сбор данных из большинства веб-аналитических систем

1. Преобразование данных с помощью R-скриптов
2. Работа с клиент-серверными, облачными и локальными базами данных на языке R
3. Разработка скриптов для рассылки писем и создания наглядных графиков

Программа обучения:

Спойлер: Информация

Содержание 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

1. Переменные их типы
2. Объявление переменных в R
3. Арифметические операции
4. Логические переменные и операции
5. Ветвление
6. Циклы

Содержание Модуль 2 - Отличия R от традиционного программирования
Познакомимся с векторами и техниками программирования в R.

1. Понятие вектора, векторные операции

1. Использование функций
2. Обзор основных функций и пакетов R

Содержание 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

1. Импорт DataFrame в R
2. Простейшее исследование DataFrame
3. Доступ к переменным DataFrame (знак $)
4. Базовые операции с DataFrame
5. Фильтрация DataFrame

Содержание 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

1. Построение гистограмм — функция hist
2. Построение boxplot
3. Построение графиков зависимостей двух переменных

Содержание 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

1. Геометрические типы и преобразования
2. Управление графическими параметрами
3. Группировка данных
4. Системы координат
5. Оси, легенды, подписи
6. Разделение графиков по фасетам
7. Интерактивная визуализация в Shiny

Содержание Модуль 6 - Исследовательский анализ данных в R
Научимся подготавливать данные к дальнейшей работе, анализу структуры, классификации без обучения (кластерный анализ).

1. Стандартизация данных

1. Иерархическая кластеризация
2. Метод k-средних (kmeans)
3. Основы мультивариативного анализа в R

Содержание 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

1. Линейная регрессия
2. Построение модели линейной регрессии в R
3. Оценка модели линейной регрессии и её использование

Содержание 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

Код:
Продажник https://netology.ru/programs/r-analysis