R od podstaw

1. Rozpoczynamy pracę z R

• Konfiguracja R
• Konfiguracja IDE dla R – RStudio
• Przegląd funkcjonalności środowiska
• Tworzenie projektu
• Tryby pracy w R: skryptowy, interaktywny
• Korzystanie z pomocy i poszukiwanie rozwiązań
• Zarządzanie plikami i folderami
• Biblioteki – zarządzanie repozytoria
• Korzystanie ze skrótów klawiaturowych
• Ćwiczenia

2. Podstawy składni języka

• Wyrażenia
• Bloki
• Komentarze
• Keywords
• Atomiczne typy danych: numeric, string etc
• Ćwiczenia

3. Operatory

• Arytmetyczne
• Relacji
• Logiczne
• Przypisania
• Ćwiczenia

4. Podstawowe obiekty danych

• Przegląd obiektów w R do zapisywania danych
• Skalary i wektory – tworzenie, łączenie, obliczenia
• Macierze i tablice, tworzenie, łączenie, obliczenia
• Factory – tworzenie, manipulacje
• Listy – tworzenie, agregacja, manipulacje
• Data frame – tworzenie, łączenie, manipulacje

5. Konstrukcje warunkowe i kontrola wykonania

• Składnia dla konstrukcji if else
• Switch
• Wektoryzowane ifelse
• Zagnieżdżone if else

6. Pętle

• Składnia dla pętli w R for
• Pętla while
• Kontrola pętli z break oraz next

7. Funkcje

• Składnia dla funkcji
• Wywołanie i argumenty
• Zagnieżdżone funkcje
• Funkcje anonimowe

8. Programowanie funkcyjne

• Rodzina funkcji apply i zastosowanie
• Rodzina funkcji map z pakietu purr
• Safely oraz possible do zarządzania błędami

9. Debugowanie kodu

• Informacja o błędzie – traceback, print, browser
• Debugowanie z RStudio

10. Kontrola wersji kodu – zarządzanie i utrzymanie

• Integracja RStudio z Git i GitHub
• Podstawy Git – Repo, commit, diff, tab
• Wzorce pracy z Git dla utrzymania kodu

11. Łączenie z danymi w R

• Import/export z plików płaskich
• Łączenie i praca z bazą danych

12. Przetwarzanie danych – tidyverse

• Wyodrębnianie danych – subskrypty i indeksy
• Filtrowanie danych
• Agregacja danych
• Tworzenie zmiennych
• Wykonywanie operacji na grupach
• Zamiana typów danych
• Duże zbiory danych

13. Wykresy – ggplot2

• Podstawowe wykresy dla 1 zmiennej
• Podstawowe wykresy dla wielu zmiennych
• Parametry graficzne
• Zapisywanie wykresów w formatach png, jpg, pdf
• Inne wykresy – korelogram, heatmapa

14. Elementy statystyki w R

• Statystyka opisowa
• Rozkłady prawdopodobieństwa
• Korelacja
• ANOVA
• Tesy statystyczne
• Regresja liniowa
• Diagnostyka regresji

15. Workflow projektu

• Organizacja plików i podział na zadania
• Rozwiązanie w formie projektu
• Zarządzanie skryptami
• Wersjonowanie i kolaboracja

16. Powtarzalne analizy

• Projekty w RStudio
• Knitr/rmarkdown – tworzenie dokumentacji analizy
• Eksportowanie wyników do prezentacji, PDF i docx

17. Dobre praktyki

• Jak nazywać pliki, obiekty itp.
• Zarzadzanie ustawieniami startowymi R
• Zarządzanie bibliotekami i wersjami

18. Case Study – Rozwiązujemy projekt analityczny

• Definiujemy problem do rozwiązania
• Ustawiamy projekt i repozytorium
• Dzielimy zadania i kodujemy
• Budujemy raport z analizy