Анализ данных в R. Часть 2
Offered By: Bioinformatics Institute via Stepik
Course Description
Overview
В первой части курса по анализу данных в R мы познакомились с основными этапами анализа данных в R: предобработка данных, применение статистических тестов, визуализация и презентация результатов анализа. В этом курсе мы углубимся во все вышеперечисленные этапы: научимся быстро и эффективно манипулировать с данными при помощи функций семейства apply и таких пакетов как dplyr и data.table. Мы более подробно обсудим процесс визуализации данных при помощи пакета ggplot2, а также научимся строить интерактивные графики. В последнем модуле курса мы поговорим о работе в R Markdown для создания отчетов о проделанной в R работе.
Syllabus
Продвинутая предобработка данных
1.1 Общая информация о курсе
1.2 Функции семейства apply. Часть 1
1.3 Функции семейства apply. Часть 2
1.4 Функции семейства apply. Часть 3
1.5 Работа с данными при помощи dplyr
1.6 Работа с данными при помощи dplyr. Продолжение
1.7 Data.table
1.8 Data.table. Продолжение
1.9 Дополнительные задачи
Подробнее о визуализации
2.1 Грамматика ggplot2, функция qplot
2.2 Функция ggplot и различные geoms
2.3 Facet - способы группировки данных на графике
2.4 Scale и Theme: оси, легенда, внешний вид графика
2.5 Пример решения практической задачи
2.6 Динамическая визуализация с plotly
R Markdown
3.1 Здравствуйте, я ваш R Markdown!
3.2 Погружаемся в детали: R слева, markdown справа
3.3 Зоопарк возможностей: форматы, pandoc, html
3.4 Заключение
Практические задачи
4.1 Общая информация
4.2 Оценка качества модели и интерпретация результатов
4.3 Увлекательное путешествие в мир микроволновок
4.4 Задачи
Taught by
Anatoliy Karpov and Anton Antonov
Tags
Related Courses
Genomic Data Science and Clustering (Bioinformatics V)University of California, San Diego via Coursera 用Python玩转数据 Data Processing Using Python
Nanjing University via Coursera Data Mining Project
University of Illinois at Urbana-Champaign via Coursera Advanced Business Analytics Capstone
University of Colorado Boulder via Coursera Data Mining: Theories and Algorithms for Tackling Big Data | 数据挖掘:理论与算法
Tsinghua University via edX