Навчіться легко збирати дані з різних систем. Прокачайтеся до рівня middle в прогнозуванні і візуалізації в R-Studio. Автоматизуйте рутинні завдання
R - найпопулярніша мова програмування серед аналітиків
за даними опитування O'reilly Media
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.
Сама універсальна область застосування R-аналітика. Використовуючи R, ви можете провести статистичні тести і перевірити гіпотези, побудувати графіки і зробити прогноз.
Кому підійде цей курс
- Інтернет-маркетологам
Отримайте інструмент для роботи з даними. Автоматизуєте рутинні операції і навчитеся створювати інформативні звіти. Почнете говорити з програмістами на одній мові.
- початківцям аналітикам
Додайте ще один професійний навик в резюме і поглибите розуміння статистики. Навчіться збирати і аналізувати в одному місці дані по всіх проектах.
- Збирати дані з більшості аналітичних систем
- Перетворювати R-скрипти для переробки одержуваних даних в залежності від завдань
- Аналізувати процеси за допомогою скриптів і показувати результати на графіках
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 кореляцію 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 побудови, оцінки та 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.
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 кореляцію 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 побудови, оцінки та використання.
- 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