Projekty Analityczne w R & RStudio

W trakcie szkolenia uczestnicy zdobędą wiedzę o zarządzaniu, projektowaniu, wykonywaniu i dokumentowaniu dobrego projektu analitycznego w środowisko R oraz RStudio. Główny nacisk tego szkolenia położony został na organizację, pracę grupową, wersjonowanie, powtarzalne analizy oraz dokumentowanie projektów analitycznych w RStudio. Dzięki temu szkoleniu zdobędziesz aktualną i poszukiwaną wiedzę o pracy nad projektami analitycznymi w R.

Szkolenie prowadzone jest metodą Live script, co oznacza, że cały czas poświęcony został na pracę w środowisku R i RStudio. W trakcie omawiania kolejnych tematów najpierw pracujesz wspólnie z trenerem a następnie w trakcie ćwiczeń utrwalasz sobie zdobytą wiedzę. Zwieńczeniem szkolenia jest projekt analityczny, który stworzysz od początku do końca wspólnie z trenerem.

Organizacja projektu analitycznego
- Koncepcja projektu analitycznego
- Definicja projektu i planowanie
- Wykonanie projektu
- Monitorowanie i kontrola
- Zamknięcie projektu
- Dlaczego R i RStudio?
Wprowadzenie do R
- Podstawy języka
- Obiekty
- Indeksowanie
- Funkcje
- Import danych
- Pamięc robocza
- Pakiety
Wprowadzenie do RStudio
- Przegląd możliwości RStudio
- Pisanie skryptów w RStudio
- Edytowanie skryptów
- Nawigacja, sekcje i zwijanie kodu
Zaawansowane możliwości RStudio
- Tworzenie pakietów
- Tworzenie dokumentacji
- Diagnozowanie błędów
- Debugowanie kodu
Zarządzanie projektami w RStudio
- Środowisko projektów w RStudio
- Tworzenie projektu
- Struktura folderów i plików
- Kontrola wersji GIT i Subversion
- Praca zespołowa nad projektem w RStudio
- Narzędzia raportowania
- Zarządzanie kontekstowe
- Zarządzanie pakietami i zależnościami – packrat
- Dobre praktyki
Pliki – dostęp przechowywanie, wersjonowanie
- Przechowywanie danych w chmurze Dropbox
- Przechowywanie danych w chmurze GitHub
- Dostęp do plików
- Wersjonowanie
- RStudio i Git
Organizacja i zarządzanie danymi do analizy
- Organizacja procesu ładowania danych
- Importowanie danych zapisanych lokalnie
- Importowanie danych zapisanych w bazie
- Importowanie danych ze żródeł Internetowych
- Automatyzacja procesu ładowania danych
Przygotowanie danych do analizy
- Od danych surowych do danych poprawnych technicznie
  - Przekształcanie wymiaru danych
  - Zmiana nazw zmiennych/tworzenie nowych
  - Porządkowanie obserwacji
  - Filtrowanie obserwacji i zmiennych
  - Przetwarzanie danych tekstowych
  - Zmiana klas zmiennych
  - Łączenie zbiorów danych
- Od danych poprawnych technicznie do zgodnych danych
  - Brakujące obserwacje
  - Odstające obserwacje
  - Niezgodności w danych
  - Korekta danych
  - Imputacje danych
Powtarzalne analizy – wprowadzenie
- Cykl produkcji powtarzalnych analiz
- Podstawy knitr i rmarkdown
- Rozszerzenia plików
- Łączenie bloków kodu z tekstem
- Hooks
- Integracja knitr i markdown w RStudio
- Dobre praktyki
Analizy i wyniki
- Prezentacja kodu i wyników
- R Markdown, knitr, LaTeX, Beamer, HTML
- Łączenie tekstu z wynikami obliczeń
- Prezentacja wyników w formie tablearycznej
- Tablice LaTeX, HTML
- Integracja wykresów i grafik
- Wykresy z ggplot2, googleVis
Prezentowanie wyników z knitr i LaTeX
- Podstawy Latex
- Sekcje, rozdziały
- Matematyka
- Listy, wypunktowanie
- Bibliografia z BibTeX
Tworzenie raportów i prezentacji z knitr i LaTeX
- Tworzenie dużych raportów w LaTeX
- Tworzenie dużych raportów w knitr
- Łączenie dokumentów
- Prezentacje w LaTeX Beamer
Prezentowanie wyników w sieci Web z R Markdown
- Podstawy R Markdown
- Edytory R Markdown
- Sekcje, rozdziały, paragrafy
- Linki, specjalne znaki
- Listy, wypunktowanie
- CSS i Markdown
Tworzenie raportów i prezentacji z R Markdown
- Tworzenie dużych raportów z R Markdown w HTML
- Prezentacje HTML w R Markdown
- Prezentacje LaTeX Beamer w R Markdown
- Publikowanie
Wprowadzenie do tworzenia pakietów w RStudio
- Podstawy i niezbędne elementy
- Struktura pakietu
- Analiza składowych pakietów
- Cykl produkcji pakietu
- Tworzenie struktury folderów
- Budowa własnego pakietu
- Testowanie