Atpakaļ

DA, Datu analīze ar R programmēšanas valodu

Kursa ilgums, akadēmiskās stundas:16
Kursa cena, EUR (bez PVN):500,00

Plāni

Datums, laiksVietaValoda
27.maijs - 29.maijs, 2019 RĪGA, Tallinas 4Latviski
Pieteikties

 

Kursa mērķis

Ir palīdzēt apgūt R programmēšanas valodu tiem, kas nodarbojas ar liela apjoma datu apstrādi un salīdzināšanu, datu vizualizāciju, pārskatu veidošanu, izmantojot mūsdienīgus rīkus efektīvai un atkārtojamai datu analīzei. 

Mērķgrupa:

Datu analītiķi, risku un biznesa analītiķi, ekonomisti, pētnieki, auditori, biznesa kontrolieri.

Priekšzināšanas:

Optimālai dalībai kursā vēlams: pieredze R programmēšanā un darbā ar liela apjoma datiem.

Pēc veiksmīgas kursa apgūšanas dalībnieki būs spējīgi:

  • Aprakstīt tipiskā datu analīzes projekta soļus.
  • Efektīvi darboties RStudio vidē.
  • Rakstīt kodu pēc labākās prakses.
  • Sadarboties ar ārējo pasauli importējot un eksportējot datus uz un no R, ieskaitot failus Internetā un SQL datubāzes.
  • Tīrīt datus, lai sagatavotu tos turpmākai apstrādei.
  • Veikt visbiežāk lietotās darbības ar tekstu.
  • Manipulēt vienlaicīgi ar vairākām tabulām, lai atbildētu uz jautājumiem un iegūt vērtīgu informāciju no datiem.
  • Veidot elegantu vizualizāciju atbilstoši problemātikai.
  • Pielietot izpētes datu analīzi (Exploratory Data Analysis).Veidot un pielietot jaunās funkcijas.
  • Kontrolēt koda izpildi un pielietot ciklus.

Mācību materiāli:

Praktisko uzdevumu krājums un praktiskie uzdevumi ar piemēriem.

Sertifikācijas eksāmens:

Nav 

Kursa programma:

  1. Datu analīzes projektu pamatelementi.
  2. Ieteikumi R un RStudio vides sagatavošanai darbam.
  3. R programmēšanas labākās prakses.
  4. R datu struktūras un funkcijas. Jaunu funkciju izveide.
  5. Darbības ar vektoriem.
  6. Efektīva pieeja liela izmēra tabulu transformēšanai un apvienošanai.
  7. Tīru datu jēdziens un datu tīrīšana.
  8. Ievads darbā ar tekstu.
  9. Datu vizualizācijas veida izvēle un vizualizācija ar ggplot2.
  10. Izpētes datu analīze (Explorary Data Analysis).
  11. Ārējo datu imports no lokāliem failiem, Interneta, SQL datubāze. Datu eksports.
  12. R programmu izpildes kontroles struktūras un cikli.
  13. Korelāciju analīze.