Участник:Igorschukin
Содержание
Превью
На данном курсе мы с Вами обсудим язык R и его применение в задачах статистического анализа данных. Кроме того, посмотрим, какие средства этого языка помогают красиво демонстрировать извлеченную информацию.
Объявление
Перед первой лекцией стоит попробовать установить R/RStudio самостоятельно ЗАРАНЕЕ. Это делается нативно
на [[Windows][1]]: найдите большую кнопку Download R (номер версии) for Windows. на [Mac[2]]: если маку меньше, чем 5 лет, то смело ставьте *.pkg файл с последней версией. Если старше, то поищите на той же странице версию для вашей системы. на [Linux[3]]: также можно добавить зеркало и установить из командной строки: sudo apt-get install r-cran-base
Не факт, что на первой лекции на помощь с установкой будет время (на первом семинаре будет), но, если все сделать аккуратно и заранее, то чаще всего всё легко устанавливается:) На лекции будет полезно брать с собой ноутбук для экспериментов и выполнения представленного кода.
План курса
| № | Дата | Тема |
|---|---|---|
| 1 | 21.04 | Вводная лекция. Основы языка R и базовые типы. |
| 2 | 24.04/25.04 | Настройка RStudio/R. Продолжаем говорить о типах данных. Векторизация. |
| 3 | 28.04 | Теория вероятностей и статистика. |
| 4 | 1.05/2.05 | data.table vs tidyverse. Статистические критерии. |
| 5 | 5.05 | A/B-тестирование с примерчиком. "Философия" ggplot2, почему он крут и небольшая практика. |
| 6 | 8.05/9.05 | Продолжение ggplot2. Разведывательный анализ данных. RMarkdown. |
| 7 | 12.05 | Корреляционный, регрессионный и дисперсионный анализ. API, примеры и пример полноценного дашборда. |
| 8 | 15.05/16.05 | Практика лекционного материала, создание дашборда. |
Оценивание
Оценка по курсу состоит из нескольких частей:
- Тест на лекции (на 10 минут, 10 баллов)
- 2 домашки (20 баллов, срок выполнения каждой в районе 2х недель) + 1 балл по личным ощущениям проверяющего
- 4 лекции, 4 семинара (по 1 баллу за активность)
Итого: максимум 50 баллов + 10 доп баллов
