ProgramowanieR

R od podstaw

08 - 10 maj 2024

Online

2 900,00 zł netto / osobę
Nie pasuje Ci żaden termin? Napisz do nas!
Zapisz więcej osób

Taniej w grupie

  • 3 osoby - 10% zniżki
  • 4 osoby - 15% zniżki
  • 5 osób - 20% zniżki
  • 6 osób - 25% zniżki
  • 7 osób - 30% zniżki
  • O szkoleniu

    R jest obecnie jednym z najpopularniejszych narzędzi stosowanych do analizy danych. Jest to równocześnie język programowania, który pozwala na tworzenie skryptów automatyzujących analizę danych. Z pomocą R można tworzyć własne funkcje, przeprowadzać skomplikowane obliczenia, transformacje, analizy statystyczne, budować modele ekonometryczne, tworzyć piękne wykresy a nawet zautomatyzować raport analityczny.Dzięki dużej liczbie osób zaangażowanych w rozwój R liczba zastosowań i dostępnych metod statystycznych ciągle rośnie. R jest program darmowym i jedyną aplikacją, która oferuje dostęp do najnowszych osiągnięć nauki w zakresie metod statystycznych. Na chwilę obecną ogromna liczba instytutów, firm, banków oraz uczelni korzysta z R do analizy danych.

    Dla kogo jest to szkolenie?

    Szkolenie skierowane jest przede wszystkim do osób chcących zacząć korzystać z R:

    • Studentów
    • Analityków
    • Konsultantów
    • Menadżerów
    • Statystyków

    Czego się nauczę?

    Po ukończeniu szkolenia, uczestnik będzie potrafił:

    • Korzystać z R oraz RStudio
    • Przetwarzać dane
    • Importować dane z plików XLS, CSV, SAS, SPSS
    • Wykorzystywać R do analiz statystycznych
    • Tworzyć powtarzalne analizy
    • Budować pętle i warunkować wykonanie automatyzując prace
    • Tworzyć ładne wykresy
    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