Contattataci

Struttura del corso

Giorno 1: Concetti di base del linguaggio

  • Introduzione al corso
  • Nozioni fondamentali sulla scienza dei dati
    • Definizione di scienza dei dati
    • Processo attuato nella scienza dei dati
  • Presentazione del linguaggio R
  • Variabili e tipi di dati
  • Strutture di controllo (cicli / condizioni)
  • Scalari, vettori e matrici in R
    • Come definire i vettori in R
    • Le matrici
  • Manipolazione di stringhe e testi
    • Il tipo di dato carattere
    • Operazioni di input/output su file
  • Le liste
  • Funzioni in R
    • Introduzione alle funzioni
    • Le funzioni chiuse (closures)
    • Utilizzo delle funzioni lapply e sapply
  • I DataFrame
  • Esercitazioni pratiche per ogni argomento trattato

Giorno 2: Programmazione intermedia in R

  • Uso dei DataFrame e operazioni di input/output su file
  • Lettura dati da file
  • Preparazione dei dati per l’analisi
  • I set di dati predefiniti in R
  • Visualizzazione dei dati
    • Il pacchetto grafico base di R
    • Utilizzo delle funzioni plot(), barplot(), hist(), boxplot() e dei grafici a dispersione
    • Creazione di mappe termiche (heat maps)
    • Il pacchetto ggplot2 (funzioni qplot() e ggplot())
  • Analisi esplorativa con il pacchetto Dplyr
  • Esercitazioni pratiche per ogni argomento trattato

Giorno 3: Programmazione avanzata in R

  • Modellazione statistica con R
    • Funzioni statistiche disponibili in R
    • Gestione dei valori mancanti (NA)
    • Distribuzioni comuni: binomiale, di Poisson e normale
  • Analisi di regressione
    • Introduzione alla regressione lineare
  • Tecniche di raccomandazione basate sui dati
  • Elaborazione del testo: utilizzo del pacchetto tm e della generazione di nuvole di parole
  • Algoritmi di clustering
    • Nozioni introduttive sul clustering
    • L’algoritmo KMeans
  • Classificazione dei dati
    • Concetti base della classificazione
    • Il modello Naive Bayes
    • Alberi decisionali
    • Addestramento dei modelli tramite il pacchetto caret
    • Valutazione delle prestazioni degli algoritmi
  • R e l’analisi di Big Data
    • Connessione di R ai database
    • L’ecosistema del Big Data
  • Esercitazioni pratiche per ogni argomento trattato

Requisiti

  • È consigliabile avere una conoscenza di base della programmazione

Configurazione necessaria

  • Un laptop moderno
  • La versione più recente di R Studio e l'ambiente R installati
 21 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (7)

Corsi in Arrivo

Categorie relative