Podstawy analizy danych w środowisku R

online 3 dni

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

  • Program
  • Prowadzący
  • Informacje organizacyjne
  • Ceny

Program szkolenia >>

 

  1. Wprowadzenie do środowiska R
    • Podstawowe informacje
    • Podstawy programowania w R
  2. Wprowadzenie do planowania badań i analizy danych
    • Statystyczne aspekty badań empirycznych
    • Podstawowe pojęcia analizy danych
  3. Przygotowanie danych do analizy
    • Import przykładowego zbioru danych z innej aplikacji
    • Podstawowe operacje i transformacje na zbiorze danych
    • Sprawdzanie poprawności danych
  4. 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)
  5. 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
  6. 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 

Podobne szkolenia

Wprowadzenie do analizy mocy testu i szacowania liczebności próby

W badaniach empirycznych przy weryfikacji hipotez badawczych powszechnie korzysta się z zasad wnioskowania statystycznego. Badacz formalnie stawia hipotezę o braku efektu (zróżnicowania lub […]

Dowiedz się więcej

Data mining – metody predykcyjne

W trakcie kursu zostaną zaprezentowane wybrane techniki data mining i uczenia maszynowego (machine learning) m.in. drzewa klasyfikacyjne i regresyjne, drzewa wzmacniane (boosted trees), losowy […]

Dowiedz się więcej

Sztuczna inteligencja (AI) w wielowymiarowej analizie danych

Dla kogo? Szkolenie przeznaczone jest dla analityków pragnących nauczyć się efektywnie wykorzystywać narzędzia generatywnej AI w wielowymiarowej analizie danych. Podczas szkolenia […]

Dowiedz się więcej

Masz pytania?

Porozmawiaj z nami!

Jesteśmy tutaj, aby pomóc i rozwiać wszystkie Twoje wątpliwości. Wypełnij formularz, napisz do nas maila lub zadzwoń – odpowiemy najszybciej, jak to możliwe!

    Przejdź do treści