Στατιστική Ανάλυση με Stata και R Training Course

Αυτή η ζωντανή εκπαίδευση από εκπαιδευτές στο Ελλάδα (διαδικτυακά ή επιτόπου) απευθύνεται σε επιχειρησιακούς αναλυτές που επιθυμούν να αυτοματοποιήσουν το εμπόριο με αλγοριθμικές συναλλαγές, Python και R.

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

• Χρησιμοποιήστε αλγόριθμους για την ταχεία αγορά και πώληση τίτλων σε εξειδικευμένες αυξήσεις.
• Μειώστε το κόστος που σχετίζεται με το εμπόριο χρησιμοποιώντας αλγοριθμικές συναλλαγές.
• Παρακολουθήστε αυτόματα τις τιμές των μετοχών και πραγματοποιήστε συναλλαγές.

Big Data είναι ένας όρος που αναφέρεται σε λύσεις που προορίζονται για την αποθήκευση και την επεξεργασία μεγάλων συνόλων δεδομένων. Αναπτύχθηκαν αρχικά από την Go Ogle, οι λύσεις αυτές Big Data έχουν εξελιχθεί και εμπνευστούν από άλλα παρόμοια έργα, πολλά από τα οποία είναι διαθέσιμα ως open-source. R είναι μια δημοφιλής γλώσσα προγραμματισμού στον χρηματοπιστωτικό κλάδο.

R είναι μια ελεύθερη γλώσσα προγραμματισμού ανοικτού κώδικα για στατιστικούς υπολογιστές, ανάλυση δεδομένων και γραφικά. R χρησιμοποιείται από έναν αυξανόμενο αριθμό διαχειριστών και αναλυτών δεδομένων μέσα σε εταιρείες και ακαδημαϊκούς κύκλους. Η R βρήκε επίσης οπαδούς μεταξύ των στατιστικολόγων, των μηχανικών και των επιστημόνων χωρίς δεξιότητες προγραμματισμού στον υπολογιστή, οι οποίοι βρίσκουν εύκολο στη χρήση. Η δημοτικότητά του οφείλεται στην αυξανόμενη χρήση της εξόρυξης δεδομένων για διάφορους στόχους, όπως η ρύθμιση των τιμών διαφήμισης, η ταχύτερη εύρεση νέων φαρμάκων ή η τελειοποίηση οικονομικών μοντέλων. Το R διαθέτει μια μεγάλη ποικιλία πακέτων για την εξόρυξη δεδομένων.

R είναι μια ελεύθερη γλώσσα προγραμματισμού ανοικτού κώδικα για στατιστικούς υπολογιστές, ανάλυση δεδομένων και γραφικά. R χρησιμοποιείται από έναν αυξανόμενο αριθμό διαχειριστών και αναλυτών δεδομένων μέσα σε εταιρείες και ακαδημαϊκούς κύκλους. Το R διαθέτει μια μεγάλη ποικιλία πακέτων για την εξόρυξη δεδομένων.

Αυτή η εξειδίκευτη διαδικτύου ή επί τόπου εκπαίδευση στο Ελλάδα προσβάλλει μέσα-βαθμιανα δεδομένων αναλυτές και επιχειρηματίες που θέλουν να εκτελούν πρόβλεψη χρονοσειρών και να αυτοματοποιήσουν διαδικασίες ανάλυσης δεδομένων με τη χρήση R.

Ακολουθώντας την εξέταση, οι συμμετέχοντες θα είναι σε θέση να:

• Συνιέσουν τα βασικά στοιχεία των μεθόδων πρόβλεψης στο R.
• Εφαρμόζουν μοντέλα εξοντικοποίησης και ARIMA για ανάλυση χρονοσειρών.
• Χρησιμοποιούν το πακέτο ‘forecast’ για να δημιουργήσουν ακριβείς μοντέλα πρόβλεψης.
• Αυτοματοποιούν διαδικασίες πρόβλεψης για εφαρμογές επιχειρήσεων και έρευνας.

Κοινό

Ιδιοκτήτες Business (διαχειριστές μάρκετινγκ, διαχειριστές προϊόντων, διευθυντές πελατών) και τις ομάδες τους · πελάτες εμπειρογνωμόνων.

ΣΦΑΙΡΙΚΗ ΕΙΚΟΝΑ

Το μάθημα ακολουθεί τον κύκλο ζωής των πελατών από την απόκτηση νέων πελατών, τη διαχείριση των υφιστάμενων πελατών για κερδοφορία, τη διατήρηση καλών πελατών και τέλος την κατανόηση των πελατών που μας αφήνουν και γιατί. Θα εργαστούμε με πραγματικά (εάν είναι ανώνυμα) δεδομένα από μια ποικιλία βιομηχανιών, συμπεριλαμβανομένων των τηλεπικοινωνιών, της ασφάλισης, των μέσων ενημέρωσης και της υψηλής τεχνολογίας.

Μορφή

Εκπαίδευση με καθοδηγητή εκπαιδευτή κατά τη διάρκεια πέντε συνεδριών μισής ημέρας με ασκήσεις στην τάξη καθώς και με την εργασία στο σπίτι. Μπορεί να παραδοθεί ως αίθουσα διδασκαλίας ή σε απόσταση (online).

Κοινό

• διευθυντές
• προγραμματιστές
• Επιστήμονες
• Φοιτητές

Μορφή του μαθήματος

on-line διδασκαλία και συζήτηση ή εργαστήρια πρόσωπο με πρόσωπο

R  είναι μια ελεύθερη γλώσσα προγραμματισμού ανοικτού κώδικα για στατιστική υπολογιστική, ανάλυση δεδομένων και γραφικά. Η έρευνα χρησιμοποιείται από έναν αυξανόμενο αριθμό διαχειριστών και αναλυτών δεδομένων μέσα σε εταιρείες και ακαδημίες. Η R έχει επίσης βρει οπαδούς μεταξύ των στατιστικών, των μηχανικών και των επιστημόνων χωρίς δεξιότητες προγραμματισμού υπολογιστών που το βρίσκουν εύκολο στη χρήση. Η δημοτικότητά του οφείλεται στην αυξανόμενη χρήση της εξόρυξης δεδομένων για διάφορους σκοπούς, όπως ο καθορισμός των τιμών διαφήμισης, η ταχύτερη αναζήτηση νέων φαρμάκων ή τα οικονομικά μοντέλα. R έχει μια μεγάλη ποικιλία πακέτων για την εξόρυξη δεδομένων.

Αυτό το μάθημα καλύπτει τη χειραγώγηση των αντικειμένων στο R συμπεριλαμβανομένων των δεδομένων ανάγνωσης, την πρόσβαση σε πακέτα R, τη γραφή λειτουργιών R και τη δημιουργία ενημερωτικών γραφικών. Περιλαμβάνει την ανάλυση δεδομένων χρησιμοποιώντας κοινά στατιστικά μοντέλα. Το μάθημα διδάσκει πώς να χρησιμοποιείτε το λογισμικό R (https://www.r-project.org) τόσο σε μια γραμμή εντολών όσο και σε μια γραφική διεπαφή χρήστη (GUI).

R είναι μια ελεύθερη γλώσσα προγραμματισμού ανοικτού κώδικα για στατιστικούς υπολογιστές, ανάλυση δεδομένων και γραφικά. R χρησιμοποιείται από έναν αυξανόμενο αριθμό διαχειριστών και αναλυτών δεδομένων μέσα σε εταιρείες και ακαδημαϊκούς κύκλους. Η R βρήκε επίσης οπαδούς μεταξύ των στατιστικολόγων, των μηχανικών και των επιστημόνων χωρίς δεξιότητες προγραμματισμού στον υπολογιστή, οι οποίοι βρίσκουν εύκολο στη χρήση. Η δημοτικότητά του οφείλεται στην αυξανόμενη χρήση της εξόρυξης δεδομένων για διάφορους στόχους, όπως η ρύθμιση των τιμών διαφήμισης, η ταχύτερη εύρεση νέων φαρμάκων ή η τελειοποίηση οικονομικών μοντέλων. Το R διαθέτει μια μεγάλη ποικιλία πακέτων για την εξόρυξη δεδομένων.

Αυτός ο κατεύθυνσης είναι μια εισαγωγή στην εφαρμογή νευρωνικών δικτύων σε πραγματικά προβλήματα χρησιμοποιώντας το λογισμικό R-project.

Αυτός ο κατεύθυνσης είναι για δεδομένων επιστήμονες και στατιστικούς που ήδη διαθέτουν βασικές γνώσεις C++ κωδικοποίησης R & και χρήση του R και χρειάζονται προχωρημένες γνώσεις κωδικοποίησης R.

Το στόχος είναι να δώσει μια πρακτική προχωρημένη οθόνη κωδικοποίησης R για τους συμμετέχοντες ενδιαφερόμενους για την εφαρμογή των μεθόδων στο εργασιακό περιβάλλον.

Χρησιμοποιούνται τομεακοί παραδείγματα για να κάνουν την εκπαίδευση σχετική με το κοινό

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε αναλυτές δεδομένων που επιθυμούν να αναλύσουν μεγάλα σύνολα δεδομένων με Stata.

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

• Δημιουργήστε στατιστικά μοντέλα για την πρόβλεψη μεταβλητών και γεγονότων βασικού ενδιαφέροντος.
• Δημιουργήστε περιγραφικές απεικονίσεις, συνοπτικούς πίνακες, συχνότητες και πολλά άλλα.
• Διαχειριστείτε και δομήστε μεγάλα σύνολα δεδομένων, έτοιμα για ανάλυση δεδομένων.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επαγγελματίες επιστήμης υπολογιστών μεσαίου έως προχωρημένου επιπέδου που επιθυμούν να αξιοποιήσουν το Stata για στατιστική ανάλυση και να το ενσωματώσουν με το R.

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

• Χρησιμοποιήστε αποτελεσματικά το Stata για ανάλυση δεδομένων και στατιστική μοντελοποίηση.
• Συγκρίνετε τις λειτουργίες του Stata με το SPSS και το R.
• Ενσωματώστε το Stata με το R για απρόσκοπτους στατιστικούς υπολογισμούς.
• Αναπτύξτε και αυτοματοποιήστε τις ροές εργασίας χρησιμοποιώντας τα Stata και R.

Παρεύσιμο

Σχήμα της εκπαιδευτικής μάθησης

Κατά το τέλος αυτής της εκπαιδευτικής μάθησης, οι συμμετέχοντες θα μπορούν να:

Σε αυτή την εκπαιδευτική μάθηση με πρόσωπο εξηγητή, οι συμμετέχοντες θα μάθουν να ελέγχουν και να απεικονίζουν δεδομένα χρησιμοποιώντας τα εργαλεία που περιλαμβάνονται στο Tidyverse.

Το Tidyverse είναι μια συλλογή ρολόηγων ακτινού περιβάλλον (R) για καθαρισμό, επεξεργασία, μοντελοποίηση και απεικόνιση δεδομένων. Κάποια από τα ρολόηγα που περιλαμβάνονται είναι: ggplot2, dplyr, tidyr, readr, purrr και tibble.

• Αρχάριοι στη γλώσσα R
• Αρχάριοι στην ανάλυση και την απεικόνιση δεδομένων

• Μέρος λόγου, μέρος συζήτησης, ασκήσεις και πολύπλοκη εφαρμογή

• Να εκτελέσουν ανάλυση δεδομένων και να δημιουργήσουν υπεύθυνες αποδείξεις
• Να συλλέξουν επωφελείς κατασκευές από διάφορες σημειώσεις πίνακες δεδομένων
• Να φίλτραρουν, να ταξινομήσουν και να συμπεριφέρουν δεδομένα για να απαντήσουν σε προσκαρτώρηση ερωτήσεις
• Να μετατρέψουν τα επεξεργασμένα δεδομένα σε πληροφοριακά γραφήματα γραμμών, ορόσωμα-χάρτες και ιστόγραμμα
• Να εισάγουν και να φίλτραρουν δεδομένα από ποικιλούς πηγές δεδομένων, συμπεριλαμβανομένων Excel, CSV και αρχεία SPSS

Περιγραφή: 

Αυτός είναι ένας κούρσος σχεδιασμένος για να διδάξει τους χρήστες R να δημιουργούν προσωπικά εφαρμογές web χωρίς να χρειάζεται να μάθουν cross-browser HTML, Javascript, και CSS.

Σκοπός:

Καλύπτει τα βασικά στοιχεία της λειτουργίας των εφαρμογών Shiny.

Καλύπτει όλες τις κοινά χρησιμοποιούμενες συναρτήσεις εισόδου/εξόδου/παρουσίασης/κεφαλαιών από το βιβλιοθήκη Shiny.