План на курса
Ден 1
Въведение и предварителна информация
- Правене на R по-приятелски, R и достъпни GUI
- R студио
- Rразработен софтуер и документация
- R и статистика
- Използване на R интерактивно
- Въвеждаща сесия
- Получаване на помощ за функции и функции
- R команди, чувствителност към главни и малки букви и др.
- Recall и корекция на предишни команди
- Изпълнение на команди от или пренасочване на изход към файл
- Постоянност на данните и премахване на обекти
Прости манипулации; числа и вектори
- Вектори и задание
- Векторна аритметика
- Генериране на регулярни последователности
- Логически вектори
- Липсващи стойности
- Символни вектори
- Индексни вектори; избиране и модифициране на подмножества от набор от данни
- Други видове обекти
Обекти, техните режими и атрибути
- Вътрешни атрибути: режим и дължина
- Промяна на дължината на обект
- Получаване и настройка на атрибути
- Класът на обект
Подредени и неподредени фактори
- Конкретен пример
- Функцията tapply() и разкъсаните масиви
- Подредени фактори
Масиви и матрици
- Масиви
- Индексиране на масиви. Подсекции на масив
- Индексни матрици
- Функцията array().
- Смесена векторна и масивна аритметика. Правилото за рециклиране
- Външният продукт на два масива
- Обобщено транспониране на масив
- Matrix съоръжения
- Matrix умножение
- Линейни уравнения и инверсия
- Собствени стойности и собствени вектори
- Декомпозиция на сингулярна стойност и детерминанти
- Напасване на най-малките квадрати и QR разлагане
- Формиране на разделени матрици, cbind() и rbind()
- Функцията за конкатенация, (), с масиви
- Честотни таблици от фактори
Ден 2
Списъци и рамки с данни
- Списъци
- Конструиране и модифициране на списъци
- Конкатениране на списъци
- Рамки за данни
- Изработване на рамки за данни
- прикачи() и откачи()
- Работа с рамки от данни
- Прикачване на произволни списъци
- Управление на пътя за търсене
Манипулиране на данни
- Избор, подмножество наблюдения и променливи
- Филтриране, групиране
- Rкодиране, трансформации
- Агрегиране, комбиниране на масиви от данни
- Манипулиране на знаци, пакет stringr
Rчетене на данни
- Txt файлове
- CSV файлове
- XLS, XLSX файлове
- SPSS, SAS, Stata,… и други формати на данни
- Експортиране на данни в txt, csv и други формати
- AccessИзготвяне на данни от бази данни с помощта на SQL език
Вероятностни разпределения
- R като набор от статистически таблици
- Изследване на разпространението на набор от данни
- Едно- и двупробни тестове
Групиране, цикли и условно изпълнение
- Групирани изрази
- Контролни отчети
- Условно изпълнение: оператори if
- Rповтарящо се изпълнение: за цикли, повторение и докато
Ден 3
Писане на вашите собствени функции
- Прости примери
- Дефиниране на нови двоични оператори
- Именувани аргументи и стойности по подразбиране
- Аргументът "...".
- Задания в рамките на функциите
- По-напреднали примери
- Коефициенти на ефективност при блокови конструкции
- Изтриване на всички имена в отпечатан масив
- Rекурсивно числено интегриране
- Обхват
- Персонализиране на средата
- Класове, генерични функции и обектна ориентация
Статистически анализ в R
- Модели на линейна регресия
- Генерични функции за извличане на информация за модела
- Актуализиране на вталени модели
- Обобщени линейни модели
- Семейства
- Функцията glm().
- Класификация
- Логистична Rегресия
- Линеен дискриминантен анализ
- Учене без надзор
- Анализ на основните компоненти
- Методи за клъстериране (k-средни, йерархично групиране, k-medoids)
- Анализ на оцеляването
- Обекти за оцеляване в r
- Оценка на Каплан-Майер
- Ленти за доверие
- Cox PH модели, постоянни ковариати
- Cox PH модели, зависими от времето ковариати
Графични процедури
- Команди за чертане на високо ниво
- Функцията plot().
- Показване на многовариантни данни
- Показване на графики
- Аргументи към чертащи функции на високо ниво
- Основни графики за визуализация
- Многовариантни връзки с решетка и пакет ggplot
- Използване на графични параметри
- Списък с графични параметри
Автоматизирано и интерактивно отчитане
- Комбиниране на изход от R с текст
Създаване на html, pdf документи
Отзиви от потребители (6)
Края на урока се засегна голям преглед на езика, ни бяха предоставени инструменти за продължаване на обучението и предложени начини за натрупване на допълнителен опит. Разгледахме информация за ИИ/МУ.
Victor Prado - Global Knowledge Network Training Ltd
Курс - R
Машинен превод
Обучението по обзор на R-програмирането е доста интензивно, но Томаш винаги е полезен, енергичен и актуален. Освен това, той е пламенен поклонник на R. Бих препоръчал неговите сесии по R на всеки, който се интересува от R.
Luiza Panoschi - Global Knowledge Network Training Ltd
Курс - R
Машинен превод
Упражненията за практика бяха релевантни и много полезни за подкрепата на знанията.
Andy Kwan - Environment and Climate Change Canada
Курс - R
Машинен превод
Упражнения за следване след презентацията със слайди поддържаха ангажираността.
Robin White - Environment and Climate Change Canada
Курс - R
Машинен превод
Майкл беше много добре подготвен и ясен при обучението. Курсът беше отлично структуриран, за да преподава желания предмет, като също така беше оставено достатъчно пространство за адаптиране според нашите нужди. Общо взето, съм много доволен от курса.
Brock Batey - Environment and Climate Change Canada
Курс - R
Машинен превод
I really enjoyed the knowledge of the trainer.
Stephanie Seiermann
Курс - R
Машинен превод