Microsoft R Open wcześniej znany jako Revolution R Open to wzbogacona dystrybucja R, 9 najpopularniejszego języka programowania na świecie, przez Microsoft. Rosnąca popularność i ogromny potencjał w zastosowaniach data science skłoniły giganta z Redmond do przygotowania własnej dystrybucji i wzbogacenia jej o kilka przydatnych funkcji takich jak przetwarzanie równoległe kodu za pomocą nowych pakietów do obliczeń czy narzędzia do tworzenia powtarzalnych wyników.

Szkolenie Programowanie i Analiza Danych w Microsoft R Open obejmuje programem wprowadzenie do programowania w języku R, analizę danych, wizualizację oraz wprowadzenie do nowych funkcji oferowanych wyłącznie przez dystrybucję Microsoft R Open.

Dla kogo jest to szkolenie?

Z uwagi na niezależność języka R od dystrybucji szkolenie to jest dedykowane wszystkim którzy chcą się nauczyć programować w R, analizować dane oraz poznać dodatkowe funkcje i pakiety oferowane przez dystrybucję Microsoft R Open.

Czego się nauczę?

Po ukończeniu szkolenia, uczestnik będzie potrafił:

Interpretować i modyfikować programy napisane w R
Pisać programy w R, tworzyć przejrzyste skrypty do analiz
Tworzyć funkcje do rozwiązywania powtarzalnych problemów
Importować dane na potrzeby analiz z plików i baz danych
Przetwarzać i manipulować dane korzystając z różnych pakietów
Prognozować, klasyfikować, wykrywać odstające obserwacje
Korzystać z algorytmów maszynowego uczenia, tuningować
Tworzyć dynamiczne raporty analityczne z Rmarkdown
Korzystać z udogodnień dystrybucji Microsoft R Open

Plan szkolenia

Programowanie w języku R

1. Wprowadzenie

Jak działa R – Program i ewaluacja
Pierwsza sesja w R, interaktywnie i wsadowo
Zintegrowane środowisko programistyczne Rstudio
Przegląd podstawowych obiektów i struktur danych
Przykład skryptu do analizy regresji liniowej krok po kroku
Wyszukiwanie pomocy, funkcje, pakiety i obiekty
Pakiety w R, instalacja, budowa i ładowanie do pamięci

2. Podstawy języka R

Podstawowe obliczenia matematyczne i operatory
Zasady tworzenia nazw dla obiektów w R i Namespaces
Specjalne obiekty liczbowe, liczby, wartości logiczne i tekstowe
Klasy obiektów, testowanie i zarządzanie klasami obiektów
Pamięć robocza dla obiektów

3. Podstawy programowania w R

Skrypty, tworzenie, modyfikowanie i praca projektowa w R
Od poleceń do funkcji i programowania funkcyjnego
Pakiety, instalacja zarządzanie i wersjonowanie
Debugowanie kodu w skrypcie czyli jak znaleźć błędy i je rozwiązać
Błędy i ostrzeżenia, Interaktywne śledzenie błędów

4. Obiekty danych w R

Wektory –tworzenie, modyfikacja, przydatne funkcje, indeksowanie
Macierze i Tablice – tworzenie, zarządzanie indeksowanie, obliczenia
Listy – tworzenie list, atomowe i rekursywne elementy, indeksowanie
Data Frame – tworzenie tablic, manipulacje, indeksowanie i nazwy
Faktory –poziomy, zastosowanie, uporządkowane faktory

5. Struktury programistyczne w R

Konstrukcje warunkowe if else, wektoryzacja if, wielokrotny wybór
Pętle typu repeat, while, for, replikacja,
Funkcje z rodziny apply dla optymalizacji wykonania pętli
Wektoryzacja kodu i przyspieszenie wykonania kodu
Symulacje w R, generowanie liczb losowych
Funkcje, wartości domyślne dla parametrów, tworzenie, wywoływanie
Środowisko funkcji i zasięg, hierarchia, namespaces

6. Obiekty tekstowe, wyrażenia regularne

Obliczenia tekstowe, podstawowe funkcje do pracy z tekstem
Wyrażenia regularne, manipulacje, importowanie
Przetwarzanie tekstu na macierz do postac TF, TFIDF

Analiza danych w R

1. Import Eksport Danych w R

Wbudowane źródła danych z pakietów
Wczytywanie plików tesktowych, TAB, CSV, XML, HTML
Wczytywanie plików binarnych, XLSX, SAS, STATA,SPSS, MATLAB
Dane ze stron internetowych, automatyzacja zczytywania stron w R
Łączenie i pobieranie danych z bazy danych, korzystanie z SQL w R
Eksportowanie wyników i danych do innych plików

2. Przygotowanie danych do analizy

Łączenie danych i usuwanie duplikatów wartości
Czyszczenie danych i zmiana typu zmiennych, kształtu
Manipulacje tablicami danych, zmiana nazw, obserwacji
Wartości brakujące i nietypowe – wykrywanie, usuwanie, imputacja
Dodatkowe funkcje z pakietów dplyr, data.table, aggregate reshape2
Standaryzacja danych i normalizacja

3. Eksploracja, Rozkłady, Modelowanie danych

Statystyki opisowe, korelacja i kowariancja
Rozkłady prawdopodobieństwa, generowanie liczb losowych
Podstawowe testy statystyczne i ANOVA
Liniowe modele, Regresja liniowa wielu zmiennych
Uogólnione modele regresji, regresja logistyczna
Diagnostyka modelu, reszty, porównanie modeli
Szeregi czasowe w R, modele ARIMA, VAR

4. Wybrane metody uczenia maszynowego

Stres testy modelu finansowego w Excel
Klastrowanie, algorytm k-means, uczenie bez nadzoru
Klasyfikacja, drzewa decyzyjne, random forests
Sieci neuronowe
Ewaluacja modelu, CV, Bootstrap, tuningowanie modeli

Wizualizacja danych i powtarzalne analizy w R

1. Podstawowe wykresy wizualizacji danych

Tworzenie wizualizacji w R, różne podejścia
Parametry graficzne, funkcje wysokiego poziomu, formatowanie
Wykres, liniowy, histogram, pudełkowy, rozrzutu
Pakiety do wizualizacji ggplot2, lattice, grid
Powtarzalne analizy z LaTeX, knitr i Rmarkdown
Dynamiczne dokumenty i prezentacje z Rmarkdown

Programowanie i Analiza Danych w Microsoft R Open

Poziom kursu

Cena za uczestnika

3 350,00 zł netto

Czas trwania

4 dni

Terminarz szkoleń

Taniej w grupie

O szkoleniu