Ανάπτυξη Διαδικτυακών Εφαρμογών Shiny με R Κομμάτι εκπαίδευσης

Αυτή η εκπαίδευση με εισηγητή, ζωντανά σε Ελλάδα (online ή onsite), απευθύνεται σε χρήστες προχωρημένου R μεσαίου επιπέδου που επιθυμούν να χρησιμοποιήσουν το R για να δημιουργήσουν ταχύτερες ροές εργασίας, να βελτιώσουν την ποιότητα του κώδικα και να διαχειριστούν πιο σύνθετες εργασίες ανάλυσης.

Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να: δημιουργούν επαναχρησιμοποιήσιμες συναρτήσεις, να βελτιώνουν τις ροές εργασίας δεδομένων, να εκσφαλματώνουν και να βελτιστοποιούν τον κώδικα και να παράγουν αναπαραγώγιμες αναφορές.

Τα Μεγάλα Δεδομένα (Big Data) είναι ένας όρος που αναφέρεται σε λύσεις για αποθήκευση και επεξεργασία μεγάλων συνόλων δεδομένων. Αναπτύχθηκαν αρχικά από την Google, αυτές οι λύσεις Big Data έχουν εξελιχθεί και έχουν εμπνεύσει άλλα παρόμοια έργα, πολλά από τα οποία είναι διαθέσιμα ως ανοιχτού κώδικα. Η R είναι μια δημοφιλής γλώσσα προγραμματισμού στον χρηματοοικονομικό κλάδο.

Αυτή η εκπαίδευση με εισηγητή, ζωντανή σε Ελλάδα (διαδικτυακά ή με φυσική παρουσία) απευθύνεται σε αναλυτές δεδομένων αρχάριου επιπέδου που επιθυμούν να χρησιμοποιήσουν τον προγραμματισμό R για να χειριστούν δεδομένα, να εκτελέσουν βασική ανάλυση δεδομένων και να δημιουργήσουν συναρπαστικές οπτικοποιήσεις για πληροφορίες.

Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

• Να κατανοούν τα βασικά του προγραμματισμού R.
• Να εφαρμόζουν βασικές διαδικασίες επιστήμης δεδομένων.
• Να δημιουργούν οπτικές αναπαραστάσεις δεδομένων.

Η ανάλυση δεδομένων αποτελεί ένα κρίσιμο εργαλείο στις επιχειρήσεις σήμερα. Θα επικεντρωθούμε στην ανάπτυξη δεξιοτήτων για πρακτική ανάλυση δεδομένων με άμεση εφαρμογή. Στόχος είναι να βοηθήσουμε τους συμμετέχοντες να δίνουν απαντήσεις βασισμένες σε στοιχεία σε ερωτήματα: 

Τι έχει συμβεί;

• επεξεργασία και ανάλυση δεδομένων
• δημιουργία ενημερωτικών οπτικοποιήσεων δεδομένων

Τι θα συμβεί;

• πρόβλεψη μελλοντικών επιδόσεων
• αξιολόγηση προβλέψεων

Τι θα έπρεπε να συμβεί;

• μετατροπή δεδομένων σε επιχειρηματικές αποφάσεις βασισμένες σε στοιχεία
• βελτιστοποίηση διαδικασιών

Αυτή η εκπαίδευση με εισηγητή, ζωντανά σε Ελλάδα (online ή δια ζώσης) απευθύνεται σε επαγγελματίες αρχαρίου επιπέδου που επιθυμούν να καθαρίσουν και να αναλύσουν δεδομένα, να κάνουν στατιστικές προβλέψεις και να δημιουργήσουν εμπεριστατωμένες οπτικοποιήσεις χρησιμοποιώντας αυτά τα εργαλεία.

Μετά το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Να κατανοούν τα βασικά της Python, της R, του Power Query και του Power BI για ανάλυση δεδομένων.
• Να καθαρίζουν και να οργανώνουν σύνολα δεδομένων χρησιμοποιώντας Python και Power Query.
• Να εκτελούν στατιστική ανάλυση και προβλέψεις με την R.
• Να δημιουργούν επαγγελματικά ταμπλό και αναφορές με το Power BI.
• Να ενσωματώνουν και να αναλύουν αποτελεσματικά δεδομένα από πολλαπλές πηγές.

R είναι ένα πολύ δημοφιλές περιβάλλον ανοιχτού κώδικα για στατιστικούς υπολογισμούς, ανάλυση δεδομένων και γραφικά. Αυτό το μάθημα εισάγει τη γλώσσα προγραμματισμού R στους μαθητές. Καλύπτει τα βασικά της γλώσσας, βιβλιοθήκες και προχωρημένες έννοιες. Προχωρημένη ανάλυση δεδομένων και γραφήματα με πραγματικά δεδομένα.

Κοινό

Προγραμματιστές / αναλυτές δεδομένων

Διάρκεια

3 ημέρες

Μορφή

Διαλέξεις και πρακτική εξάσκηση

Αυτή η ζωντανή εκπαίδευση με εισηγητή σε Ελλάδα (διαδικτυακά ή σε φυσικό χώρο) απευθύνεται σε αναλυτές δεδομένων και επαγγελματίες επιχειρήσεων μεσαίου επιπέδου που επιθυμούν να πραγματοποιούν προβλέψεις χρονοσειρών και να αυτοματοποιούν ροές εργασίας ανάλυσης δεδομένων με χρήση της R.

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Να κατανοήσουν τις βασικές αρχές των τεχνικών πρόβλεψης στην R.
• Να εφαρμόζουν εκθετική εξομάλυνση και μοντέλα ARIMA για ανάλυση χρονοσειρών.
• Να αξιοποιούν το πακέτο «forecast» για τη δημιουργία ακριβών προβλεπτικών μοντέλων.
• Να αυτοματοποιούν ροές εργασίας πρόβλεψης για επιχειρηματικές και ερευνητικές εφαρμογές.

Αυτή η ζωντανή εκπαίδευση με εκπαιδευτή που διεξάγεται σε Ελλάδα (διαδικτυακή ή σε φυσικό χώρο) απευθύνεται σε επιστήμονες δεδομένων που επιθυμούν να προγραμματίσουν σε Python και R για το KNIME.

Με το πέρας αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Να σχεδιάζουν, να δημιουργούν και να αναπτύσσουν μοντέλα μηχανικής μάθησης στο KNIME.
• Να λαμβάνουν αποφάσεις βασισμένες σε δεδομένα για τις επιχειρησιακές δραστηριότητες.
• Να υλοποιούν ολοκληρωμένα έργα επιστήμης δεδομένων.

Το R Markdown είναι ένα πλαίσιο συγγραφής που συνδυάζει εκτελέσιμο κώδικα R με αφηγηματικό κείμενο για τη δημιουργία δυναμικών και αναπαραγώγιμων εγγράφων.

Αυτή η εκπαίδευση με εκπαιδευτή, ζωντανά (διαδικτυακά ή σε φυσικό χώρο) απευθύνεται σε χρήστες της R αρχαρίου έως μεσαίου επιπέδου που επιθυμούν να δημιουργούν αυτοματοποιημένες, δυναμικές αναφορές χρησιμοποιώντας το R Markdown για εσωτερική τεκμηρίωση, ερευνητικές δημοσιεύσεις ή διαδικτυακή δημοσίευση.

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

• Δημιουργούν έγγραφα R Markdown με ενσωματωμένα τμήματα κώδικα R και μορφοποιημένο κείμενο.
• Παράγουν εξαγόμενα σε πολλαπλές μορφές, συμπεριλαμβανομένων HTML, PDF και Word.
• Χρησιμοποιούν παραμετροποιημένες αναφορές και λογική υπό όρους για την παραγωγή δυναμικού περιεχομένου.
• Προσαρμόζουν την εμφάνιση των εγγράφων με θέματα, πρότυπα και LaTeX για επαγγελματική παρουσίαση.

Μορφή του Μαθήματος

• Διαδραστική διάλεξη και συζήτηση.
• Πολλές ασκήσεις και πρακτική εξάσκηση.
• Πρακτική υλοποίηση σε περιβάλλον ζωντανού εργαστηρίου.

Επιλογές Προσαρμογής Μαθήματος

• Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, παρακαλούμε επικοινωνήστε μαζί μας για να το κανονίσουμε.

Αυτή η εκπαίδευση υπό την καθοδήγηση εκπαιδευτή, ζωντανή, σε Ελλάδα (online ή σε φυσική τάξη), απευθύνεται σε επαγγελματίες πληροφορικής μεσαίου έως προχωρημένου επιπέδου που επιθυμούν να αξιοποιήσουν τη Stata για στατιστική ανάλυση και να την ενσωματώσουν με την R.

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

• Να χρησιμοποιούν αποτελεσματικά τη Stata για ανάλυση δεδομένων και στατιστική μοντελοποίηση.
• Να συγκρίνουν τις δυνατότητες της Stata με το SPSS και την R.
• Να ενσωματώνουν τη Stata με την R για απρόσκοπτους στατιστικούς υπολογισμούς.
• Να αναπτύσσουν και να αυτοματοποιούν ροές εργασίας χρησιμοποιώντας Stata και R.

Αυτή η εκπαίδευση με εκπαιδευτή, ζωντανή (διαδικτυακή ή δια ζώσης) απευθύνεται σε αναλυτές δεδομένων που επιθυμούν να χρησιμοποιήσουν Stata και R για την ανάλυση μεγάλων δεδομένων για στατιστική ανάλυση.

Μετά την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• Δημιουργούν στατιστικά μοντέλα για την πρόβλεψη βασικών μεταβλητών ενδιαφέροντος και γεγονότων.
• Παράγουν περιγραφικές απεικονίσεις, συνοπτικούς πίνακες, συχνότητες και πολλά άλλα.
• Διαχειρίζονται και δομούν μεγάλες βάσεις δεδομένων για την προετοιμασία της ανάλυσης δεδομένων.

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

Αυτή η εκπαίδευση με εκπαιδευτή, ζωντανή σε Ελλάδα (διαδικτυακά ή δια ζώσης) απευθύνεται σε επιστήμονες δεδομένων που επιθυμούν να προγραμματίσουν σε R για το Tableau.

• Υλοποίηση αναλύσεων Tableau με τη χρήση R.
• Επιστροφή τιμών στο Tableau με αλγορίθμους μάθησης στην R.
• Δόμηση και οπτικοποίηση συναρτήσεων της R στο Tableau.
• Λήψη αποφάσεων βάσει δεδομένων για τις επιχειρησιακές λειτουργίες.

Αυτή η εκπαίδευση με εκπαιδευτή, ζωντανή σε Ελλάδα (διαδικτυακά ή επιτόπου) απευθύνεται σε αναλυτές δεδομένων και σε όποιον ενδιαφέρεται να μάθει πώς να χρησιμοποιεί και να ενσωματώνει τα Tableau, Python, R και SQL για την οπτικοποίηση και ανάλυση δεδομένων.

Με την ολοκλήρωση αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Να εκτελούν ανάλυση δεδομένων χρησιμοποιώντας Python, R και SQL.
• Να δημιουργούν γνώσεις μέσω της οπτικοποίησης δεδομένων με το Tableau.
• Να λαμβάνουν αποφάσεις βασισμένες σε δεδομένα για τις επιχειρηματικές λειτουργίες.

Περιγραφή:

Αυτό είναι ένα μάθημα σχεδιασμένο να διδάξει στους χρήστες της R πώς να δημιουργούν διαδικτυακές εφαρμογές χωρίς να χρειάζεται να μάθουν HTML, Javascript και CSS για όλους τους browsers.

Στόχος:

Καλύπτει τα βασικά για το πώς λειτουργούν οι εφαρμογές Shiny.

Καλύπτει όλες τις συνήθεις συναρτήσεις εισόδου/εξόδου/απόδοσης/διάταξης σε πάνελ από τη βιβλιοθήκη Shiny.