[Нетология] Язык R для аналитики (2020)

[Ho Lee Fuk]

Автор: Нетология

Название: Язык R для аналитики (2020)

Описание:

Научитесь легко собирать данные из различных систем. Прокачайтесь до уровня middle в прогнозировании и визуализации в R-Studio. Автоматизируйте рутинные задачи

R – самый популярный язык программирования среди аналитиков

по данным опроса O’Reilly Media

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.

Кому подойдёт этот курс

- Интернет-маркетологам

Получите инструмент для работы с данными. Автоматизируете рутинные операции и научитесь создавать информативные отчёты. Начнёте говорить с программистами на одном языке.
- Начинающим аналитикам

Добавите ещё один профессиональный навык в резюме и углубите понимание статистики. Научитесь собирать и анализировать в одном месте данные по всем проектам.

Чему вы научитесь

- Собирать данные из большинства аналитических систем

- Преобразовывать R-скрипты для переработки получаемых данных в зависимости от задач

- Анализировать процессы с помощью скриптов и показывать результаты на графиках

Программа курса

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

Содержание 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

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

2. Импорт DataFrame в R

3. Простейшее исследование DataFrame

4. Доступ к переменным DataFrame (знак $)

5. Базовые операции с DataFrame

6. 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

2. Построение гистограмм — функция hist

3. Построение boxplot

4. 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

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

Содержание 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

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

2. Линейная регрессия

3. Построение модели линейной регрессии в R

4. 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

Подробнее:

Скачать:

Качать без ограничений Купить доступ за ₸3.000,00