Course Outline

Ημέρα Ένατη: Βασικά της Γλώσσας

  • Εισαγωγή στο Κουρσέ
  • Περί Data Science
    • Διάρθρωση του Data Science
    • Εύχεται της εκτέλεσης Data Science.
  • Εισαγωγή στο R Language
  • Μεταβλητές και Τύποι
  • Στροφές Ελέγχου (Κυκλοί / Συνθήκες)
  • R Scalars, Vectors και Matrices
    • Ορισμός R Vectors
    • Matricies
  • String και Επεξεργασία Κειμένου
    • Τύπος δεδομένων χαρακτήρα
    • File IO
  • Λίστες
  • Συναρτήσεις
    • Εισαγωγή στις Συναρτήσεις
    • Closures
    • lapply/sapply συναρτήσεις
  • DataFrames
  • Εργασίες για όλες τις περιοχές

Ημέρα Δύο: Προσωπικά R Programming

  • DataFrames και File I/O
  • Διάβασμα δεδομένων από αρχεία
  • Αξιοποίηση Δεδομένων
  • Εγκατασταθμείς Βυζαντινά Datasets
  • Προβολή
    • Graphics Package
    • plot() / barplot() / hist() / boxplot() / scatter plot
    • Heat Map
    • Πακέτο ggplot2 (qplot(), ggplot())
  • Διερεύνηση με Dplyr
  • Εργασίες για όλες τις περιοχές

Ημέρα Για: Προόδου Programming με R

  • Στατιστική Μοντελοποίηση με R
    • Στατιστικές Συναρτήσεις
    • Διαχείριση με NA
    • Κανονικότητες (Binomial, Poisson, Normal)
  • Ρυθμιστές
    • Εισαγωγή Linear Regressions
  • Προτάσεις
  • Επεξεργασία κειμένου (Πακέτο tm / Wordclouds)
  • Πυρήνων
    • Εισαγωγή στην Clustering
    • KMeans
  • Κλάσεις
    • Εισαγωγή στην Classification
    • Naive Bayes
    • Δέντρα απόφασης
    • Τρέξιμο χρησιμοποιώντας το πακέτο caret
    • Εκτίμηση Γλωσσικών
  • R και Big Data
    • Σύνδεση του R με βάσεις δεδομένων
    • Ecosystem Big Data
  • Εργασίες για όλες τις περιοχές

Requirements

  • Προτιμείται βασική υπόσχεση προγραμματισμού

Κατάρτιση

 21 Hours

Number of participants


Price per participant

Testimonials (7)

Upcoming Courses

Related Categories