Building Web Applications in R with Shiny Képzés

Big Data olyan kifejezés, amely nagy adathalmazok tárolására és feldolgozására szánt megoldásokra vonatkozik. A Go ogle által kifejlesztett Big Data megoldások más hasonló projekteket fejlesztettek ki és inspiráltak, amelyek közül sok nyílt forráskódú. Az R egy népszerű programozási nyelv a pénzügyi ágazatban.

R egy nyílt forráskódú programozási nyelv a statisztikai számításokhoz, az adatok elemzéséhez és a grafikákhoz. Az R-t egyre nagyobb számú vezető és adatelemző használja a vállalatokon és az egyetemeken. R a statisztikusok, a mérnökök és a tudósok között is találnak követőket számítógépes programozási készségek nélkül, akik könnyen használhatók. A népszerűsége annak köszönhető, hogy az adatbányászat egyre növekvő mértékben használja a különböző célokat, például a hirdetési árakat, az új gyógyszerek gyorsabb felkutatását vagy a pénzügyi modellek finomhangolását. R sokféle csomagot tartalmaz az adatbányászathoz.

Az R egy nagyon népszerű, nyílt forráskódú környezet statisztikai számításokhoz, adatelemzésekhez és grafikákhoz. Ez a kurzus bemutatja az R programozási nyelvet a hallgatóknak. Lefedi a nyelvi alapokat, a könyvtárakat és a haladó fogalmakat. Fejlett adatelemzés és grafikus készítés valós adatokkal.

Közönség

Fejlesztők / adatelemzés

Időtartam

3 nap

Formátum

Előadások és gyakorlatok

R egy nyílt forráskódú programozási nyelv a statisztikai számításokhoz, az adatok elemzéséhez és a grafikákhoz. Az R-t egyre nagyobb számú vezető és adatelemző használja a vállalatokon és az egyetemeken. R sokféle csomagot tartalmaz az adatbányászathoz.

Az R egy nyílt forráskódú ingyenes programozási nyelv statisztikai számításokhoz, adatelemzésekhez és grafikákhoz. Az R-t egyre több menedzser és adatelemző használja a vállalatokon és a tudományos életen belül. Az R-nek sokféle csomagja van az adatbányászathoz.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű adatelemzőknek és üzleti szakembereknek szól, akik idősoros előrejelzést szeretnének végezni, és automatizálni szeretnék az adatelemzési munkafolyamatokat az R használatával.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az R előrejelzési technikák alapjait.
• Alkalmazzon exponenciális simítást és ARIMA modelleket az idősorok elemzéséhez.
• Használja az "előrejelzés" csomagot a pontos előrejelzési modellek létrehozásához.
• Automatizálja az előrejelzési munkafolyamatokat üzleti és kutatási alkalmazásokhoz.

Közönség

Business tulajdonosok (marketingvezetők, termékmenedzserek, ügyfélbázis-kezelők) és csapataik; ügyfelek betekintési szakemberei.

Áttekintés

A kurzus követi az ügyfél életciklusát az új ügyfelek megszerzése, a meglévő ügyfelek kezelése, jövedelmezőség megőrzése, a jó ügyfelek megtartása és végül az ügyfelek elhagyása és miért. Valódi (ha névtelen) adatokkal fogunk dolgozni számos iparágból, köztük a távközlés, a biztosítás, a média és a high-tech.

Formátum

Az oktató által vezetett képzés öt félnapos tanfolyam során, osztálytermi gyakorlatokkal, valamint házi feladatokkal. Az osztályteremben vagy távolsági (online) tanfolyamként is szállítható.

Közönség

• menedzserek
• fejlesztők
• tudósok
• diákok

A tanfolyam formátuma

on-line oktatás és megbeszélés VAGY szemtől-szembe workshopok

R  egy nyílt forráskódú ingyenes programozási nyelv a statisztikai számítástechnika, az adatok elemzése és a grafika. A kutatást egyre több menedzser és adatelemző használja a vállalatok és az akadémia területén. R is talált követőket a statisztikusok, mérnökök és tudósok között, akiknek nincs számítógépes programozási készsége, akik könnyen használhatók. Népszerűsége az adatbányászat növekvő használatának köszönhető különböző célokra, mint például a hirdetési árak beállítása, az új gyógyszerek gyorsabb megtalálása vagy finom pénzügyi modellek. Az R-nek számos adatbányászati csomagja van.

Ez a kurzus magában foglalja az objektumok manipulációját R-ben, beleértve az olvasási adatokat, az R-csomagok hozzáférését, az R-funkciók írását és az informatív grafikonok készítését. Ez magában foglalja az adatok elemzését a közös statisztikai modellek használatával. A tanfolyam tanítja, hogyan kell használni az R szoftvert (https://www.r-project.org) mind a parancsvonalon, mind a grafikus felhasználói felületben (GUI).

R egy nyílt forráskódú programozási nyelv a statisztikai számításokhoz, az adatok elemzéséhez és a grafikákhoz. Az R-t egyre nagyobb számú vezető és adatelemző használja a vállalatokon és az egyetemeken. R a statisztikusok, a mérnökök és a tudósok között is találnak követőket számítógépes programozási készségek nélkül, akik könnyen használhatók. A népszerűsége annak köszönhető, hogy az adatbányászat egyre növekvő mértékben használja a különböző célokat, például a hirdetési árakat, az új gyógyszerek gyorsabb felkutatását vagy a pénzügyi modellek finomhangolását. R sokféle csomagot tartalmaz az adatbányászathoz.

R egy nyílt forráskódú programozási nyelv a statisztikai számításokhoz, az adatok elemzéséhez és a grafikákhoz. Az R-t egyre nagyobb számú vezető és adatelemző használja a vállalatokon és az egyetemeken. R a statisztikusok, a mérnökök és a tudósok között is találnak követőket számítógépes programozási készségek nélkül, akik könnyen használhatók. A népszerűsége annak köszönhető, hogy az adatbányászat egyre növekvő mértékben használja a különböző célokat, például a hirdetési árakat, az új gyógyszerek gyorsabb felkutatását vagy a pénzügyi modellek finomhangolását. R sokféle csomagot tartalmaz az adatbányászathoz.

Ez a kurzus bemutatja a neurális hálózatok valós világban történő alkalmazását az R-projekt szoftver segítségével.

Ez a kurzus olyan tudósok és statisztikusok számára készült, akik már rendelkeznek R & C++ kódolási képességekkel és R kóddal, és fejlett R kódolási képességekre van szükségük.

A cél az, hogy gyakorlati, fejlett R programozási kurzust adjon a résztvevőknek, akik érdeklődnek a módszerek alkalmazásával kapcsolatban.

Az ágazatspecifikus példákat arra használják, hogy a képzés a közönség számára releváns legyen

Ez a kurzus része a Data Scientist készségkészletnek (Domain: Data and Technology)

Célközönség

Kurzus formátuma

A kurzus végére a résztvevők képesek lesznek:

Ebben az oktatóvezetett élő képzésben a résztvevők megtanulják, hogyan manipulálhatják és vizualizálhatják az adatokat a Tidyverse-ban található eszközök segítségével.

A Tidyverse egy sokoldalú R csomaggyűjtemény az adatok tisztítására, feldolgozására, modellzésére és vizualizálására. Ide tartozik többek között: ggplot2, dplyr, tidyr, readr, purrr és tibble.

• Kezdők az R nyelvben
• Kezdők az adatelemzés és adatok vizualizálás terén

• Résztvevők részére előadások, beszélgetések, gyakorlatok és intenzív gyakorlati feladatok

• Adatelemzés végrehajtása és vonzó vizualizációk készítése
• Hasznos következtetések levonása különböző adatbázisokból
• Adatok szűrése, rendezése és összegzése kutatási kérdések megválaszolására
• Feldolgozott adatok átalakítása informatív vonaldiagramokká, oszlopdiagramokká, hisztogramokká
• Adatok importálása és szűrése különböző forrásokból, beleértve a Excel, CSV és SPSS fájlokat

Bevezetés a Data Visualization-be a Tidyverse-val és R-vel

Záró megjegyzések

Adatok csoportosítása és összefoglalása

Adatok importálása és szűrése

Bevezetés

Adatbázis előkészítése

Munkakörnyezet beállítása

Adatok vizualizálása (görbék, szórtáblák)

Adatok vizualizálása (vonalak, oszlopdiagramok, hisztogramok, dobozábrák)

Nem szokványos adatok kezelése

Adatok formázása

• Tidyverse vs hagyományos R grafikonok

Célközönség

Kurzus formátuma

A kurzus végére a résztvevők képesek lesznek:

Ebben az oktatóvezetett élő képzésben a résztvevők megtanulják, hogyan manipulálhatják és vizualizálhatják az adatokat a Tidyverse-ban található eszközök segítségével.

A Tidyverse egy sokoldalú R csomaggyűjtemény az adatok tisztítására, feldolgozására, modellzésére és vizualizálására. Ide tartozik többek között: ggplot2, dplyr, tidyr, readr, purrr és tibble.

• Kezdők az R nyelvben
• Kezdők az adatelemzés és adatok vizualizálás terén

• Résztvevők részére előadások, beszélgetések, gyakorlatok és intenzív gyakorlati feladatok

• Adatelemzés végrehajtása és vonzó vizualizációk készítése
• Hasznos következtetések levonása különböző adatbázisokból
• Adatok szűrése, rendezése és összegzése kutatási kérdések megválaszolására
• Feldolgozott adatok átalakítása informatív vonaldiagramokká, oszlopdiagramokká, hisztogramokká
• Adatok importálása és szűrése különböző forrásokból, beleértve a Excel, CSV és SPSS fájlokat

• Nem szükséges programozási tapasztalat