Struttura del corso

Giorno Uno: Nozioni di Base della Lingua

  • Introduzione al Corso
  • Informazioni su Data Science
    • Definizione di Data Science
    • Processo di Esecuzione di Data Science.
  • Introduzione a R Language
  • Variabili e Tipi
  • Strutture di Controllo (Cicli / Condizionali)
  • Scalari, Vettori e Matrici in R
    • Definizione dei Vettori in R
    • Matrici
  • Manipolazione di Stringhe e Testo
    • Tipo di dati Carattere
    • I/O File
  • Liste
  • Funzioni
    • Introduzione alle Funzioni
    • Closure
    • Funzioni lapply/sapply
  • DataFrames
  • Laboratori per tutte le sezioni

Giorno Due: R Intermedio Programming

  • DataFrames e I/O File
  • Lettura dei dati dai file
  • Preparazione dei Dati
  • Dataset Incorporati
  • Visualizzazione
    • Pacchetto Grafico
    • plot() / barplot() / hist() / boxplot() / scatter plot
    • Heat Map
    • pacchetto ggplot2 (qplot(), ggplot())
  • Esplorazione con Dplyr
  • Laboratori per tutte le sezioni

Giorno Tre: Programming Avanzato con R

  • Modellazione Statistica con R
    • Funzioni Statistiche
    • Gestione dei Valori NA
    • Distribuzioni (Binomiale, Poisson, Normale)
  • Regressione
    • Introduzione alle Regressioni Lineari
  • Raccomandazioni
  • Elaborazione del Testo (pacchetto tm / Wordclouds)
  • Clusterizzazione
    • Introduzione alla Clusterizzazione
    • KMeans
  • Classificazione
    • Introduzione alla Classificazione
    • Naive Bayes
    • Alberi di Decisione
    • Addestramento con il pacchetto caret
    • Valutazione degli Algoritmi
  • R e Big Data
    • Connessione di R ai Database
    • Ecosistema Big Data
  • Laboratori per tutte le sezioni

Requisiti

  • Si è preferibile avere una conoscenza di base della programmazione.

Impostazione

 21 ore

Numero di Partecipanti


Prezzo per Partecipante

Recensioni (7)

Corsi in Arrivo

Categorie relative