Εξέλιξη Κομματιού

Ημέρα Α: Βασικά της Γλώσσας

  • Εισαγωγή στο μάθημα
  • Σχετικά με την επιστήμη δεδομένων
    • Ορισμός της επιστήμης δεδομένων
    • Διαδικασία ανάλυσης δεδομένων.
  • Εισαγωγή στη γλώσσα R
  • Μεταβλητές και τύποι
  • Δομές έλεγχου (Βρόχοι / Συνθήκες)
  • R Scalars, Vectors, και Matrices
    • Ορισμός R Vectors
    • Matricies
  • Επεξεργασία και διαχείριση κειμένου
    • Τύπος δεδομένων χαρακτήρων
    • Αρχειακά εισόδου και εξόδου (I/O)
  • Lists
  • Συναρτήσεις
    • Εισαγωγή στις συναρτήσεις
    • Closures
    • lapply/sapply συναρτήσεις
  • DataFrames
  • Εργαστήρια για όλες τις ενότητες

Ημέρα B: Μεσαίος προγραμματισμός R

  • DataFrames και αρχειακά εισόδου και εξόδου (I/O)
  • Ανάγνωση δεδομένων από αρχεία
  • Προετοιμασία δεδομένων
  • Ενσωματωμένες πληθυσμολογικές συνόλων δεδομένων
  • Οπτικοποίηση
    • Γραφικό πακέτο
    • plot() / barplot() / hist() / boxplot() / scatter plot
    • Heat Map
    • ggplot2 πακέτο (qplot(), ggplot())
  • Εξερεύνηση με Dplyr
  • Εργαστήρια για όλες τις ενότητες

Ημέρα Γ: Προηγμένος προγραμματισμός με R

  • Στατιστική μοντελοποίηση με R
    • Στατιστικές συναρτήσεις
    • Διαχείριση NA (άγνωστων τιμών)
    • Κατανομές (Βινομική, Poisson, Κανονική)
  • Παλίνδρομη ανάλυση
    • Εισαγωγή στις γραμμικές παλίνδρομες
  • Συστάσεις
  • Επεξεργασία κειμένου (tm πακέτο / Wordclouds)
  • Συστήματα κλάσης
    • Εισαγωγή στα συστήματα κλάσης
    • KMeans
  • Ταξινόμηση
    • Εισαγωγή στη ταξινόμηση
    • Naive Bayes
    • Decision Trees (Δέντρα Αποφάσεων)
    • Εκπαίδευση με το πακέτο caret
    • Αξιολόγηση αλγορίθμων
  • R και μεγάλα δεδομένα (Big Data)
    • Σύνδεση του R σε databases
    • Οικοσύστημα μεγάλων δεδομένων (Big Data Ecosystem)
  • Εργαστήρια για όλες τις ενότητες

Απαιτήσεις

  • Προτιμώνται βασικές γνώσεις προγραμματισμού

Εγκατάσταση

  • Ένα σύγχρονο laptop
  • Τελευταία εκδοχή του R studio και R environment εγκεκαθισμένη
 21 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετοχαστή

Σχόλια (7)

Εφεξής Μαθήματα

Σχετικές Κατηγορίες