Cursusaanbod

Dag Een: Taalbasis

  • Cursusintroductie
  • Over Data Science
    • Data Science Definitie
    • Het proces van Data Science uitvoeren
  • Introductie van R Language
  • Variabelen en Typen
  • Besturingsstructuren (Lussen / Voorwaardes)
  • R Scalars, Vectors, en Matrices
    • R Vectors definiëren
    • Matrices
  • Tekstverwerking
    • Tekstgegevens type
    • Bestands IO
  • Lijsten
  • Functies
    • Functies introduceren
    • Closures
    • lapply/sapply functies
  • DataFrames
  • Labo's voor alle secties

Dag Twee: Intermediair R Programming

  • DataFrames en Bestands IO
  • Gegevens uit bestanden lezen
  • Gegevensopmaak
  • Ingebouwde Datasets
  • Visualisatie
    • Grafische Package
    • plot() / baardiagrafiek() / hist() / boxplot() / scatter plot
    • Warmtekaart
    • ggplot2 package (qplot(), ggplot())
  • Verkenning Met Dplyr
  • Labo's voor alle secties

Dag Drie: Geavanceerd Programming Met R

  • Statistische Modellering Met R
    • Statistische Functies
    • Opschonen van NA
    • Verdelingen (Binomiaal, Poisson, Normaal)
  • Regressie
    • Lineaire regressies introduceren
  • Aanbevelingen
  • Tekstverwerking (tm package / Wordclouds)
  • Clusteranalyse
    • Inleiding tot clusteranalyse
    • KMeans
  • Classificatie
    • Inleiding tot classificatie
    • Naive Bayes
    • Beslissingsbomen
    • Training met behulp van caret package
    • Algorithmen evalueren
  • R en Big Data
    • Verbinding maken van R met databases
    • Big Data Ecosysteem
  • Labo's voor alle secties

Vereisten

  • Een basis in programmeren is aanbevolen

Installatie

 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Testimonials (7)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën