Data Science - R Programming certification eLearning

Data science - Programming R certification eLearning

Lär dig hur du extraherar kunskap och idéer från strukturerad och ostrukturerad data.

KURSÖVERSIKT

R är ett programmeringsspråk och en fri mjukvarumiljö för statistiska beräkningar. Den här datavetenskapskursen lär dig olika dataanalystekniker med hjälp av programmeringsspråket R. Du kommer också att behärska tekniker för datautvinning, visualisering, prediktiv och deskriptiv analys.

Under kursen kommer du att få praktisk träning genom att genomföra olika verkliga branschbaserade projekt inom hälso- och sjukvård, detaljhandel, försäkring och många andra.

Denna datavetenskapskurs är ett idealiskt paket för blivande dataanalytiker som strävar efter en framgångsrik karriär inom analys / datavetenskap. Du kommer att få en 360-graders översikt över affärsanalys och R, med hjälp av verkliga projekt och fallstudier.

VAD INGÅR?

• Kurs och material är på engelska
• Nybörjare - medelnivå
• 1 års tillgång till eLearning-plattformen för självstudier 24/7
• 6 timmar eLearning-videoinnehåll
• 40 timmars rekommenderad studietid och övningar
• Virtuella labb, frågesporter, testsimulering, slutprojekt
• Ingen examen för kursen men studenten kommer att få certifiering av utbildningens slutförande

KURSENS MÅL Du kommer att lära dig:

• I slutet av kursen kommer du att kunna använda:
• De olika R-graferna för datavisualisering
• Metoden för hypotesprövning för att driva affärsbeslut
• Linjära och icke-linjära regressionsmodeller och klassificeringstekniker för dataanalys
• De olika associationsreglerna och Apriori-algoritmen
• Klustringsmetoder, inklusive K-means, DBSCAN och hierarkisk klustring.
• Förvärva en grundläggande förståelse för affärsanalys och de olika statistiska begreppen
• Installera R, R-studio och konfigurera arbetsytan
  behärska R-programmering och förstå hur de olika instruktionerna utförs i R
• Förstå den datastruktur som används i R och importera/exportera data
• Definiera, förstå och använda de olika applikationsfunktionerna och DPYR-funktionerna
• Förstå de olika statistiska koncepten och hypotesprövningarna

Vem bör anmäla sig till detta program?

Det finns en ökande efterfrågan på skickliga datavetare i alla branscher, vilket gör denna certifieringskurs för datavetenskap väl lämpad för deltagare på alla nivåer av erfarenhet.

• IT-proffs
• Professionella inom Analytics
• Programvaruutvecklare
• Datavetare
• Intelligent affärsverksamhet

Det finns inga formella krav för denna kurs. Det är dock rekommenderat att ha:

Grundläggande statistik: En grundläggande förståelse för statistik (medelvärde, median, standardavvikelse etc.) hjälper dig att förstå kursinnehållet, särskilt när du lär dig dataanalystekniker.

Grundläggande kunskaper i matematik: Grundläggande matematiska färdigheter, särskilt inom områden som algebra och sannolikhet, hjälper till att förstå några av de mer avancerade ämnena för dataanalys och modellering.

Förtrogenhet med data: En grundläggande förståelse för datauppsättningar, datatyper (numeriska, kategoriska) och strukturer som tabeller kommer att vara användbar.

Kursens innehåll

Introduktion till Business Analytics

• Affärsbeslut och analys
• Olika typer av affärsanalys
• Tillämpningar av Business Analytics
• Översikt över datavetenskap

Introduktion till R-programmering

• Betydelsen av R
• Datatyper och variabler i R
• Operationer i R
• Villkorliga uttalanden i R
• Slingor i R

Datastrukturer

• Identifiera datastrukturer
• Demo: Identifiera datastrukturer
• Tilldela värden till datastrukturer
• Manipulering av data
• Demonstration: Tilldela värden och tillämpa funktioner

Visualisering av data

• Introduktion till datavisualisering
• Datavisualisering med hjälp av grafik i R
• Ggplot2
• Filformat för grafiska utdata R

Statistik för datavetenskap-I

• Introduktion till hypoteser
• Typer av hypoteser
• Provtagning av data
• Konfidens- och signifikansnivåer

Statistik för datavetenskap - II

• Test av hypoteser
• Parametriskt test
• Icke-parametriskt test
• Hypotesprövning om populationens medelvärden
• Hypotesprövningar om populationsvarians
• Hypotesprövning om populationsproportioner

Regressionsanalys

• Introduktion till regressionsanalys
• Olika typer av modeller för regressionsanalys
• Linjär regression
• Demonstration: Enkel linjär regression
• Icke-linjär regression
• Demonstration: Regressionsanalys med flera variabler
• Korsvalidering
• Icke-linjära till linjära modeller
• Principiell komponentanalys
• Faktoranalys

Klassificering

• Klassificering och dess typer
• Logistisk regression
• Stödvektormaskiner
• Demo: Naive Bayes-klassificerare
• Demonstration: Naiv Bayers klassificerare
• Beslut: Trädklassificering
• Demo: Klassificering med beslutsträd
• Slumpmässig skogsklassificering
• Utvärdering av klassificeringsmodeller
• Demonstration: K-Fold korsvalidering

Klustring

• Introduktion till klustring
• Metoder för klustring
• Demonstration: K-means klustring
• Demonstration: Hierarkisk klustring

Association

• Associationsregel
• Apriori-algoritm
• Demonstration: Apriori-algoritmen