R

R to darmowy język programowania o otwartym kodzie źródłowym do obliczeń statystycznych, analizy danych i grafiki. R jest używany przez rosnącą liczbę menedżerów i analityków danych w korporacjach i środowiskach akademickich. R znalazł również zwolenników wśród statystyków, inżynierów i naukowców bez umiejętności programowania komputerowego, którzy uważają go za łatwy w użyciu. Jego popularność wynika z rosnącego wykorzystania eksploracji danych do różnych celów, takich jak ustalanie cen reklam, szybsze znajdowanie nowych leków lub dostrajanie modeli finansowych. R posiada szeroką gamę pakietów do eksploracji danych.

Dzień 1

Wprowadzenie i informacje wstępne

• Uczynienie R bardziej przyjaznym, R i dostępne GUI
• Rstudio
• Powiązane oprogramowanie i dokumentacja R
• R i statystyki
• Interaktywne korzystanie z R
• Sesja wprowadzająca
• Uzyskiwanie pomocy dotyczącej funkcji i właściwości
• Polecenia R, rozróżnianie wielkości liter itp.
• Wywoływanie i poprawianie poprzednich poleceń R
• Wykonywanie poleceń z pliku lub przekierowywanie danych wyjściowych do pliku
• Trwałość danych i usuwanie obiektów

Proste manipulacje; liczby i wektory

• Wektory i przypisanie
• Arytmetyka wektorowa
• Generowanie sekwencji regularnych
• Wektory logiczne
• Brakujące wartości
• Wektory znaków
• Wektory indeksów; wybieranie i modyfikowanie podzbiorów zbioru danych
• Inne typy obiektów

Obiekty, ich tryby i atrybuty

• Atrybuty wewnętrzne: tryb i długość
• Zmiana długości obiektu
• Pobieranie i ustawianie atrybutów
• Klasa obiektu

Czynniki uporządkowane i nieuporządkowane

• Konkretny przykład
• Funkcja tapply() i tablice nieuporządkowane
• Czynniki uporządkowane

Tablice i macierze

• Tablice
• Indeksowanie tablic. Podsekcje tablicy
• Indeksowanie macierzy
• Funkcja array()
  • Mieszana arytmetyka wektorowa i tablicowa. Reguła recyklingu
• Iloczyn zewnętrzny dwóch tablic
• Uogólniona transpozycja tablicy
• Obiekty Matrix
  • Mnożenie Matrix
  • Równania liniowe i inwersja
  • Wartości własne i wektory własne
  • Dekompozycja wartości pojedynczej i wyznaczniki
  • Dopasowanie metodą najmniejszych kwadratów i rozkład QR
• Tworzenie macierzy partycjonowanych, cbind() i rbind()
• Funkcja konkatenacji () z tablicami
• Tablice częstości z czynników

Dzień 2

Listy i ramki danych

• Listy
• Konstruowanie i modyfikowanie list
  • Łączenie list
• Ramki danych
  • Tworzenie ramek danych
  • Dołączanie() i odłączanie()
  • Praca z ramkami danych
  • Dołączanie dowolnych list
  • Zarządzanie ścieżką wyszukiwania

Manipulowanie danymi

• Wybieranie, podzestawianie obserwacji i zmiennych
• Filtrowanie, grupowanie
• Kodowanie, transformacje R
• Agregacja, łączenie zestawów danych
• Manipulacja znakami, pakiet stringr

[Wczytywanie danych

• Pliki txt
• Pliki CSV
• Pliki XLS, XLSX
• SPSS, SAS, Stata,... i inne formaty danych
• Eksportowanie danych do plików txt, csv i innych formatów
• Access pobieranie danych z baz danych przy użyciu języka SQL

Rozkłady prawdopodobieństwa

• R jako zestaw tabel statystycznych
• Badanie rozkładu zestawu danych
• Testy jedno- i dwupróbkowe

Grupowanie, pętle i wykonywanie warunkowe

• Grupowanie wyrażeń
• Instrukcje sterujące
  • Wykonanie warunkowe: instrukcje if
  • [Wykonanie warunkowe: pętle for, repeat i while

Dzień 3

Pisanie własnych funkcji

• Proste przykłady
• Definiowanie nowych operatorów binarnych
• Nazwane argumenty i wartości domyślne
• Argument "...
• Przypisania wewnątrz funkcji
• Bardziej zaawansowane przykłady
  • Czynniki wydajności w projektach blokowych
  • Usuwanie wszystkich nazw z drukowanej tablicy
  • REkursywne całkowanie numeryczne
• Zakres
• Dostosowywanie środowiska
• Klasy, funkcje ogólne i orientacja obiektowa

Analiza statystyczna w R

• Modele regresji liniowej
• Funkcje ogólne do wyodrębniania informacji o modelu
• Aktualizacja dopasowanych modeli
• Uogólnione modele liniowe
  • Rodziny
  • Funkcja glm()
• Klasyfikacja
  • Ekspresja logistyczna R
  • Liniowa analiza dyskryminacyjna
• Uczenie bez nadzoru
  • Analiza składowych głównych
  • Metody grupowania (k-średnich, hierarchiczne grupowanie, k-medoidy)
• Analiza przeżycia
  • Obiekty przeżycia w r
  • Oszacowanie Kaplana-Meiera
  • Przedziały ufności
  • Modele Coxa PH, stałe zmienne towarzyszące
  • Modele Coxa PH, zmienne zależne od czasu

Procedury graficzne

• Polecenia wykresów wysokiego poziomu
  • Funkcja plot()
  • Wyświetlanie danych wielowymiarowych
  • Wyświetlanie grafiki
  • Argumenty wysokopoziomowych funkcji kreślenia
• Podstawowe wykresy wizualizacji
• Zależności wielowymiarowe z siatką i pakietem ggplot
• Korzystanie z parametrów graficznych
• Lista parametrów graficznych

Automatyczne i interaktywne raportowanie

• Łączenie danych wyjściowych z R z tekstem

Tworzenie dokumentów html, pdf