Neem contact met ons op

Cursusaanbod

Dag 1: Taalbasis

  • Cursusinleiding
  • Over datawetenschap
    • Definitie van datawetenschap
    • Het proces van datawetenschap
  • Introductie R-taal
  • Variabelen en types
  • Besturingsstructuren (Loops / Conditionals)
  • R-scalars, vectoren en matrices
    • R-vectoren definiëren
    • Matrices
  • String- en tekstmanipulatie
    • Gegevenstype karakter (Character)
    • Bestandsinvoer/uitvoer
  • Lijsten
  • Functies
    • Introductie functies
    • Closures
    • lapply/sapply functies
  • DataFrames
  • Oefeningen voor alle secties

Dag 2: Intermediair R-programmeren

  • DataFrames en Bestandsinvoer/uitvoer
  • Data inlezen uit bestanden
  • Datavoorbereiding
  • Ingebouwde datasets
  • Visualisatie
    • Graphics-package
    • plot() / barplot() / hist() / boxplot() / scatterplot
    • Heatmap
    • ggplot2-package (qplot(), ggplot())
  • Verkenning met Dplyr
  • Oefeningen voor alle secties

Dag 3: Geavanceerd programmeren met R

  • Statistische modellering met R
    • Statistische functies
    • Omgaan met NA (niet-actuele waarden)
    • Verdelingen (Binomiaal, Poisson, Normaal)
  • Regressie
    • Introductie lineaire regressie
  • Aanbevelingen
  • Tekstverwerking (tm-package / Wordclouds)
  • Clustering
    • Introductie clustering
    • KMeans
  • Classificatie
    • Introductie classificatie
    • Naive Bayes
    • Beslisbomen
    • Training met het caret-package
    • Algoritmen evalueren
  • R en Big Data
    • R verbinden met databases
    • Big Data-ecosysteem
  • Oefeningen voor alle secties

Vereisten

  • Basisprogrammeerervaring is gewenst

Voorbereiding

  • Een moderne laptop
  • Het laatste R Studio en de R-omgeving geïnstalleerd
 21 Uren

Aantal deelnemers


Prijs per deelnemer

Getuigenissen (7)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën