Ta kontakt

Kursplan

Dag én: Språkgrunnlegger

  • Kursintroduksjon
  • Om datavitenskap
    • Definisjon av datavitenskap
    • Prosessen med å drive datavitenskap.
  • Introduksjon til R-språket
  • Variabler og typer
  • Kontrollstrukturer (løykker / betingelser)
  • R-skalarer, vektorer og matriser
    • Definere R-vektorer
    • Matriser
  • Streng- og teksthåndtering
    • Tegndata type
    • Fil-IO (input/output)
  • Lister
  • Funksjoner
    • Introduksjon til funksjoner
    • Lukkede funksjoner (closures)
    • lapply/sapply-funksjoner
  • DataFrame
  • Laboratorieøvelser for alle seksjoner

Dag to: Mellomnivå R-programmering

  • DataFrame og fil-IO
  • Lesing av data fra filer
  • Dataforberedelse
  • Innbygde datasets
  • Visualisering
    • Grafikkpakker
    • plot() / barplot() / hist() / boxplot() / spredningsdiagrammer
    • Varmekart (Heat Map)
    • ggplot2-pakken (qplot(), ggplot())
  • Utforskning med dplyr
  • Laboratorieøvelser for alle seksjoner

Dag tre: Avansert programmering med R

  • Statistisk modellering med R
    • Statistiske funksjoner
    • Håndtering av NA-verdier
    • Fordelinger (Binomial, Poisson, Normal)
  • Regresjon
    • Introduksjon til lineær regresjon
  • Anbefalinger
  • Tekstbehandling (tm-pakken / ordskyer)
  • Klyngedannelse
    • Introduksjon til klyngedannelse
    • KMeans
  • Klassifisering
    • Introduksjon til klassifisering
    • Naive Bayes
    • Beslutttre
    • Trening med caret-pakken
    • Vurdering av algoritmer
  • R og big data
    • Koble R til databaser
    • Big Data-økosystemet
  • Laboratorieøvelser for alle seksjoner

Krav

  • Basiskunnskaper i programmering er ønskelig

Oppsett

  • En modern bærbar datamaskin
  • Seneste versjon av R Studio og R-miljøet installert
 21 Timer

Antall deltakere


Pris per deltaker

Referanser (7)

Kommende kurs

Relaterte kategorier