Podstawy analizy danych w środowisku R

online 3 dni

Software: R | Level: Beginner/Entry-level | Language: Polish

W trakcie szkolenia zostaną omówione zasady pracy w środowisku R, rodzaje najczęściej wykorzystywanych obiektów oraz przykłady ilustrujące pracę z tym pakietem. Podczas kursu wykorzystywać będziemy RStudio, czyli zestaw zintegrowanych narzędzi zaprojektowanych z myślą o zwiększeniu wydajności pracy z R.

Dla kogo?

analityków danych
analityków biznesowych
osób, które chciałyby samodzielnie analizować dane w środowisku R
specjalistów z zakresu sprzedaży, marketingu, finansów i innych dziedzin, rozpoczynających pracę z zaawansowanymi narzędziami Data Science lub chcących uporządkować i uzupełnić wiedzę w tym zakresie

Co zyskasz?

nauczysz się, jak za pomocą środowiska R importować i przygotowywać dane do analizy
dowiesz się, jak badać empiryczne rozkłady zmiennych jakościowych i ilościowych
poznasz sposoby obliczania i interpretacji statystyk opisowych
zgłębisz wiedzę na temat kryteriów, które decydują o wyborze odpowiednich testów parametrycznych i nieparametrycznych oraz etapy weryfikacji hipotez statystycznych
poznasz przykłady ilustrujące pracę z tym pakietem
opcjonalnie dla zainteresowanych po zakończeniu szkolenia: zobaczysz, jak zintegrować program Statistica ze środowiskiem R

Sign up

Book / Enquire

Program
Trainer
Organizational information

Program szkolenia >>

Wprowadzenie do środowiska R
- Podstawowe informacje
- Podstawy programowania w R
Wprowadzenie do planowania badań i analizy danych
- Statystyczne aspekty badań empirycznych
- Podstawowe pojęcia analizy danych
Przygotowanie danych do analizy
- Import przykładowego zbioru danych z innej aplikacji
- Podstawowe operacje i transformacje na zbiorze danych
- Sprawdzanie poprawności danych
Elementy opisowej analizy danych w R
- Badanie empirycznego rozkładu zmiennej
- Podstawowe charakterystyki liczbowe rozkładu zmiennej
- Graficzna prezentacja podstawowych statystyk opisowych
- Analiza w grupach (analiza przekrojowa)
Wybrane zagadnienia wnioskowania statystycznego
- Statystyka opisowa a wnioskowanie statystyczne
- Zasady estymacji punktowej i przedziałowej
- Statystyczne podejście do weryfikacji hipotez badawczych
- Testowanie normalności rozkładu
- Merytoryczne i statystyczne kryteria wyboru testów istotności różnic
- Przykłady stosowania wybranych testów parametrycznych i nieparametrycznych
Wprowadzenie do analizy współzależności zjawisk
- Elementy analizy korelacyjnej
- Tworzenie wykresów korelacyjnych
- Wprowadzenie do analizy regresji
- Model regresji liniowej prostej
- Przykład budowy modelu i interpretacja wyników analizy regresji

Polecamy inne szkolenia:

Podstawy wizualizacji danych w R z wykorzystaniem
pakietu ggplot2
Metody wizualizacji danych

[PL] Anna Wilk z kucykiem, ubrana w granatową bluzkę z dekoltem w serek, z rękami złączonymi, na jednolitym jasnym tle. [EN] Anna Wilk with a ponytail, wearing a navy blue V-neck blouse, with clasped hands, against a plain light background.

Anna Wilk

MSc, AGH University of Science and Technology in Krakow, Faculty of Applied Mathematics.
Specializes in multivariate analysis, machine learning, and the application of data analysis in business and the pharmaceutical industry.
With StatSoft since 2016, participated in and led projects on process prediction and optimization, forecasting, segmentation, and anomaly detection.
Courses led:
• Statistica – Basic Course,
• Multivariate Analysis,
• Data Mining – Unsupervised Methods,
• Statistics in Business – Practical Tools and Techniques,
• Intro to Data Analysis in R,
• Intro to Data Visualization in R with ggplot2,
• Multivariate Analysis in R.
She has 7 years of experience in training, with over 600 hours of courses delivered in the past 3 years.

Kurs odbywa się online.

Wymagania:

Umiejętność obsługi komputera w środowisku Windows

Similar courses

Statistica – A quick start

This training provides an introduction to Statistica. The aim of the training is to enable new users of the program to start working with it quickly. […]

Learn more

Planowanie badań i analiza wariancji

Umiejętność poprawnego zaplanowania badań jest niezbędnym elementem warsztatu każdego badacza i analityka, gdyż ułatwia dobranie odpowiedniej metody analizy danych. W […]

Learn more

Eksploracja, wizualizacja i przygotowanie danych w Python – szybki start

Częścią nieomal każdego projektu Data Science jest eksploracja danych w celu zapoznania się z ich strukturą, wykrycia problemów z jakością, […]

Learn more