Cursusaanbod

Dag Eén: Taalfundamenten




  • Inleiding tot de cursus


  • Over Data Science


    • Definitie van Data Science


    • Het proces van het doen van data science.




  • Introductie tot de R-taal


  • Variabelen en typen


  • Controlestructuren (Lussen / Voorwaarden)


  • R Scalars, Vectoren en Matrices


    • Definiëren van R-vectoren


    • Matrices




  • Tekst- en stringmanipulatie


    • Karaktergegevenstype


    • Bestandsio




  • Lijsten


  • Functies


    • Introductie tot functies


    • Closures


    • lapply/sapply-functies




  • DataFrames


  • Labo's voor alle secties


Dag Twee: Intermediair R-programmeren




  • DataFrames en bestandsio


  • Lezen van gegevens uit bestanden


  • Gegevensvoorbereiding


  • Ingebouwde datasets


  • Visualisatie


    • Graphics Package


    • plot() / barplot() / hist() / boxplot() / scatter plot


    • Heat Map


    • ggplot2 package (qplot(), ggplot())




  • Verkenning met Dplyr


  • Labo's voor alle secties


Dag Drie: Geavanceerd programmeren met R




  • Statistische modellering met R


    • Statistische functies


    • Omgaan met NA


    • Verdelingen (Binomiaal, Poisson, Normaal)




  • Regressie


    • Introductie tot lineaire regressies




  • Adviesgevingen


  • Tekstverwerking (tm package / Wordclouds)


  • Clusteranalyse


    • Introductie tot clusteranalyse


    • KMeans




  • Classificatie


    • Introductie tot classificatie


    • Naive Bayes


    • Beslissingsbomen


    • Training met caret package


    • Algoritmen beoordelen




  • R en Big Data


    • Verbinden van R met databases


    • Big Data ecosystem




  • Labo's voor alle secties

Vereisten

  • Een basiskennis van programmeren is gewenst



Opzet




  • Een moderne laptop


  • De nieuwste R Studio en R-omgeving geïnstalleerd

 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Getuigenissen (7)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën