Анализ данных в R. Часть 2

23 урока,

начало По мере набора группы

Сложность

Продвинутый

Тип обучения

Курс

Формат обучения

Записанные лекции

Сертификат

Да

Стоимость курса

бесплатно

нет рассрочки

В первой части курса по анализу данных в R мы познакомились с основными этапами анализа данных в R: предобработка данных, применение статистических тестов, визуализация и презентация результатов анализа. В этом курсе мы углубимся во все вышеперечисленные этапы: научимся быстро и эффективно манипулировать с данными при помощи функций семейства apply и таких пакетов как dplyr и data.table. Мы более подробно обсудим процесс визуализации данных при помощи пакета ggplot2, а также научимся строить интерактивные графики. В последнем модуле курса мы поговорим о работе в R Markdown для создания отчетов о проделанной в R работе.

Начальные требования

Для успешного прохождения курса необходимы базовые знания работы в R на уровне курса Анализ данных в R.

Мы также не будем останавливаться на статистических вопросах, убедитесь, что вы владеете темой на уровне курсов Основы статистики и Основы статистики. Часть 2.

Некоторые темы, которые будут обсуждаться в этом курсе в прикладном ключе, разобраны более подробно с точки зрения программирования в курсе Антона Антонова Основы программирования в R.

Что вы получите после обучения

Приобретаемые навыки

Анализ данных в R

Предобработка данных

Визуализация

R Markdown

Вас будут обучать

Anatoliy Karpov

курса

Работал ведущим аналитиком в VK и Stepik

Руководил командой аналитики в отделе бизнеса и рекламы VK. Специализируется на статистике, A/B-тестировании, машинном обучении и построении аналитических хранилищ данных. Автор онлайн-курсов по анализу данных на платформе Stepik

Vladislav Grozin

курс

Разрабатываю рекомендательные системы и занимаюсь бизнес-аналитикой (проверкой гипотез, получение инсайтов из данных). Имею опыт работы с R и Python; Spark, Hive.

Антон Антонов

курс

Кандидат физико-математических наук, специальность -- численные методы, теория вероятностей, математическая статистика. Профессионально занимаюсь количественными методами финансовой математики (quant finance) и разработкой программного обеспечения. Энтузиаст open source и языка R, организатор...

Образовательная организация

Stepik

4.6

60 отзывов

Stepik — образовательная платформа и конструктор
онлайн-курсов. Мы разрабатываем алгоритмы адаптивного обучения, сотрудничаем с авторами MOOC, помогаем
в проведении олимпиад и программ переподготовки.
Наша цель — сделать образование открытым и удобным.

Помогаем учиться, а также создавать свои курсы и обучать

Первые учебные материалы были размещены на платформе в 2013 году. Сегодня среди охваченных курсами тем: программирование, информатика, математика, статистика
и анализ данных, биология и биоинформатика, инженерно-технические и естественные науки. Онлайн-курсы, размещенные на Stepik, неоднократно становились призерами конкурсов онлайн-курсов, а система автоматизированной проверки задач используется в ряде курсов на платформах Coursera и edX. Также Stepik активно развивает направление адаптивного обучения, где каждый сможет изучать материал, подобранный индивидуально под свой уровень знаний.

Stepik является также площадкой для проведения конкурсов и олимпиад — среди мероприятий — отборочный этап Олимпиады НТИ, онлайн-этап акции Тотальный диктант, международная олимпиада по биоинформатике.

Stepik — многофункциональная и гибкая платформа для создания образовательных материалов. Вы можете создавать онлайн курсы, интерактивные уроки с видео и различными типами заданий для учащихся, приватные курсы для ограниченной аудитории, проводить олимпиады и конкурсы, запускать программы профессиональной переподготовки и повышения квалификации, а также обучать своих сотрудников и клиентов.

Программа курса

Продвинутая предобработка данных
1. Общая информация о курсе
2. Функции семейства apply. Часть 1
3. Функции семейства apply. Часть 2
4. Функции семейства apply. Часть 3
5. Работа с данными при помощи dplyr
6. Работа с данными при помощи dplyr. Продолжение
7. Data.table
8. Data.table. Продолжение
9. Дополнительные задачи
Подробнее о визуализации
1. Грамматика ggplot2, функция qplot
2. Функция ggplot и различные geoms
3. Facet - способы группировки данных на графике
4. Scale и Theme: оси, легенда, внешний вид графика
5. Пример решения практической задачи
6. Динамическая визуализация с plotly
R Markdown
1. Здравствуйте, я ваш R Markdown!
2. Погружаемся в детали: R слева, markdown справа
3. Зоопарк возможностей: форматы, pandoc, html
4. Заключение
Практические задачи
1. Общая информация
2. Оценка качества модели и интерпретация результатов
3. Увлекательное путешествие в мир микроволновок
4. Задачи