Struttura del corso

Primo giorno: Nozioni di base sulla lingua

    Introduzione al corso Informazioni su Data Science Data Science Definizione Processo del fare Data Science.
Presentazione R Language
  • Variabili e tipi
  • Strutture di controllo (cicli / condizionali)
  • R Scalars, vettori e matrici Definizione di vettori R
  • Matricies
  • Manipolazione di stringhe e testo Tipo di dati di tipo carattere
  • I/O del file
  • Lizza
  • Funzioni Introduzione alle funzioni
  • Chiusure
  • Funzioni lapply/sapply
  • Frame di dati
  • Laboratori per tutte le sezioni
  • Secondo giorno: Intermedio R Programming
  • DataFrame e I/O di file Lettura di dati da file Preparazione dei dati Set di dati incorporati Visualizzazione Pacchetto grafico plot() / barplot() / hist() / boxplot() /   grafico a dispersione Mappa di calore pacchetto ggplot2 (qplot(), ggplot())
  • Esplorazione con Dplyr
  • Laboratori per tutte le sezioni
  • Terzo giorno: Avanzato Programming con R

      Modellazione statistica con R Funzioni statistiche Trattare con NA Distribuzioni (binomiale, di Poisson,  normale)
    Regressione Introduzione alle regressioni lineari
  • Consigli
  • Elaborazione del testo (pacchetto tm / Wordclouds)
  • Clustering Introduzione al clustering

      KMeans
    Classificazione Introduzione alla classificazione
  • Ingenuo Bayes
  • Alberi decisionali
  • Formazione con pacchetto di accento circonflesso
  • Valutazione degli algoritmi
  • R e Big Data Connessione di R ai database
  • Big Data Ecosistema
  • Laboratori per tutte le sezioni

    Requisiti

    • È preferibile un background di programmazione di base

    Apparecchio

    • Un laptop moderno
    • Installazione di R Studio e dell'ambiente R più recenti 
      21 ore

    Numero di Partecipanti



    Prezzo per Partecipante

    Recensioni (5)

    Corsi relativi

    Categorie relative