Shiny App Webfejlesztés R-rel Képzés

Ez az oktató által vezetett, élőben tartott képzés Magyarország (online vagy helyszíni) középhaladó szintű haladó R felhasználóknak szól, akik szeretnék felgyorsítani munkafolyamataikat, javítani a kód minőségét, és bonyolultabb elemzési feladatokkal foglalkozni.

A képzés végére a résztvevők képesek lesznek: újrafelhasználható függvények létrehozására, adatmunkafolyamatok javítására, hibakeresésre és kódoptimalizálásra, valamint reprodukálható jelentések készítésére.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) azoknak az üzleti elemzőknek szól, akik szeretnék automatizálni a kereskedést az algoritmikus kereskedelem, a Python és az R segítségével.

A képzés végére a résztvevők képesek lesznek:

• Algoritmusok alkalmazásával gyorsan vásárolni és eladni értékpapírokat meghatározott lépésekben.
• Csökkenteni a kereskedéssel járó költségeket az algoritmikus kereskedelem segítségével.
• Automatikusan monitorozni az árfolyamokat és kereskedéseket lebonyolítani.

A Big Data egy olyan kifejezés, amely a nagy adathalmazok tárolására és feldolgozására szánt megoldásokat jelenti. Kezdetben a Google által kifejlesztett, ezek a Big Data megoldások fejlődtek tovább és más hasonló projektekhez is ihletet adtak, amelyek közül szoftverek nyílt forráskódúak. Az R egy népszerű programozási nyelv a pénzügyi iparban.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) kezdő szintű adatelemzőknek szól, akik szeretnék használni az R programozást az adatok manipulálásához, alapvető adatelemzéshez és meggyőző vizualizációk készítéséhez.

A képzés végén a résztvevők képesek lesznek:

• Megérteni az R programozás alapjait.
• Alapvető adattudományi folyamatokat alkalmazni.
• Adatok vizuális ábrázolását létrehozni.

Az R egy nyílt forráskódú, ingyenes programozási nyelv statisztikai számítások, adatelemzés és grafikák készítésére. Az R-t egyre több menedzser és adatelemző használja vállalatokban és az akadémián belül. Az R követőkre talált a statisztikusok, mérnökök és tudósok körében is, akiknek nincs informatikai háttértudása, és könnyűnek találják a használatát. Népszerűségét az adatbányászat egyre nagyobb mértékű alkalmazása magyarázza, amelyet különböző célokra használnak, például hirdetési árak beállítására, új gyógyszerek gyorsabb megtalálására vagy pénzügyi modellek finomhangolására. Az R rendelkezik széles körű csomagokkal az adatbányászat területén.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) azoknak az adatelemzőknek szól, akik R programozást szeretnének alkalmazni az SAS-ban klaszteranalízis céljából.

A képzés végére a résztvevők képesek lesznek:

• Klaszteranalízis alkalmazása adatbányászat során
• Az R szintaxis elsajátítása klaszterezési megoldásokhoz
• Hierarchikus és nem hierarchikus klaszterezés implementálása
• Adatvezérelt döntések meghozatala az üzleti műveletek javítása érdekében

Az adatelemzés ma már nélkülözhetetlen eszköz az üzleti életben. A kurzus során kiemelt figyelmet fordítunk a gyakorlati adatelemzési készségek fejlesztésére. Célunk, hogy a résztvevők képesek legyenek adatokra alapozott válaszokat adni a következő kérdésekre: 

Mi történt?

• adatok feldolgozása és elemzése
• informatív adatvizualizációk készítése

Mi fog történni?

• jövőbeli teljesítmény előrejelzése
• előrejelzések értékelése

Mi kellene, hogy történjen?

• adatok átalakítása bizonyítékokon alapuló üzleti döntésekké
• folyamatok optimalizálása

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) kezdő szintű szakembereknek szól, akik szeretnék megtisztítani és elemezni az adatokat, statisztikai előrejelzéseket készíteni, és betekintő vizualizációkat létrehozni ezekkel az eszközökkel.

A képzés végére a résztvevők képesek lesznek:

• Megérteni a Python, R, Power Query és Power BI alapjait az adatelemzéshez.
• Adathalmazok tisztítása és szervezése Python és Power Query segítségével.
• Statisztikai elemzés és előrejelzések készítése R-rel.
• Professzionális irányítópultok és jelentések készítése Power BI-val.
• Hatékonyan integrálni és elemezni az adatokat több forrásból.

Az R egy nagyon népszerű, nyílt forráskódú környezet statisztikai számításokhoz, adatelemzéshez és grafikák készítéséhez. Ez a kurzus bemutatja az R programozási nyelvet a hallgatóknak. A kurzus magában foglalja a nyelv alapjait, könyvtárakat és haladó fogalmakat. Haladó szintű adatelemzés és grafikonkészítés valós adatokkal.

Célközönség

Fejlesztők / adatelemzők

Időtartam

3 nap

Formátum

Előadások és gyakorlati feladatok

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) kezdő szintű szakembereknek szól, akik szeretnék elsajátítani az R alapjait és az adatokkal való munkát.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az R programozási környezetet és az RStudio felületet.
• Adathalmazok importálására, kezelésére és feltárására R parancsok és csomagok segítségével.
• Alapvető statisztikai elemzések és adatösszegzések elvégzésére.
• Vizuális ábrák készítésére az alap R és a ggplot2 segítségével.
• Hatékonyan kezelni a munkaterületeket, szkripteket és csomagokat.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) középszintű adatelemzők és üzleti szakemberek számára készült, akik időszakos előrejelzéseket szeretnének készíteni és adatelemzési munkafolyamatokat automatizálni az R segítségével.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az előrejelzési technikák alapjait R-ben.
• Alkalmazni az exponenciális simítást és az ARIMA modelleket időszakosan elemzésre.
• Használni a 'forecast' csomagot pontos előrejelzési modellek létrehozásához.
• Automatizálni az előrejelzési munkafolyamatokat üzleti és kutatási alkalmazásokhoz.

Az R egy nyílt forráskódú, ingyenes programozási nyelv statisztikai számításokhoz, adatelemzéshez és grafikák készítéséhez. Az R-t egyre több vezető és adatelemző használja vállalatokban és az akadémiai környezetben. Az R széles körű csomagokat kínál az adatbányászathoz.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) azoknak az adattudósoknak szól, akik Pythonban és R-ben szeretnének programozni a KNIME-hez.

A képzés végére a résztvevők képesek lesznek:

• Gépi tanulási modellek tervezésére, építésére és üzembe helyezésére a KNIME-ben.
• Adatvezérelt döntések meghozatalára a műveletek során.
• Végponttól végpontig adattudományi projektek megvalósítására.

Becslések szerint a strukturálatlan adatok több mint 90 százalékát teszik ki az összes adatnak, amelynek nagy része szöveges formában található. Blogbejegyzések, tweetek, közösségi média és egyéb digitális publikációk folyamatosan bővítik ezt a növekvő adatmennyiséget.

Ez az oktató által vezetett, élő képzés az ebből az adatból nyerhető betekintésekre és jelentésekre fókuszál. Az R nyelv és a Természetes Nyelvfeldolgozás (NLP) könyvtárak felhasználásával a számítástechnika, a mesterséges intelligencia és a számítási nyelvészet fogalmait és technikáit kombináljuk, hogy algoritmikusan megértsük a szöveges adatok mögötti jelentést. Az adatminták az ügyfél igényeinek megfelelően különböző nyelveken elérhetők.

A képzés végére a résztvevők képesek lesznek adathalmazokat (nagyokat és kicsiket) különböző forrásokból előkészíteni, majd a megfelelő algoritmusokat alkalmazni annak elemzésére és jelentésére.

A képzés formátuma

• Részben előadás, részben vita, intenzív gyakorlati munka, időnkénti tesztek a megértés ellenőrzésére

Célközönség

A kurzus formátuma

A képzés végére a résztvevők képesek lesznek:

Ebben az oktató által vezetett, élő képzésben a résztvevők megtanulják, hogyan kezelhetik és vizualizálhatják az adatokat a Tidyverse eszközeivel.

A Tidyverse egy sokoldalú R csomaggyűjtemény az adattisztításra, feldolgozásra, modellezésre és vizualizációra. A csomagok közé tartozik például a ggplot2, dplyr, tidyr, readr, purrr és tibble.

• Kezdők az R nyelvben
• Kezdők az adatelemzésben és adatvizualizációban

• Részben előadás, részben vita, gyakorlatok és intenzív gyakorlati munka

• Adatelemzés végzése és vonzó vizualizációk készítése
• Hasznos következtetések levonása különböző mintákból származó adathalmazokból
• Adatok szűrése, rendezése és összegzése, hogy válaszoljanak feltáró kérdésekre
• Feldolgozott adatok átalakítása informatív vonaldiagrammokká, oszlopdiagrammokká, hisztogrammokká
• Adatok importálása és szűrése különböző adatforrásokból, például Excel, CSV és SPSS fájlokból