В рамках данного курса слушатели познакомятся с инструментами языка R для предобработки и визуализации данных, проверки статистических гипотез и решения задач машинного обучения.

Курс включает в себя изучение основ статистики и возможностей языка R для загрузки, предобработки, визуализации и анализа данных.

Целевая аудитория

Программисты

Системные администраторы

Начинающие специалисты, решающие задачи автоматизации в рамках администрирования систем

Расписание открытых форматов курса

Стоимость обучения одного слушателя

11.09.2023

Очный формат — 22 500 ₽.

Дистанционный формат — 22 500 ₽.

15.08.2022

ОСТАВИТЬ ЗАЯВКУ

Введение

История языка R, его особенности и преимущества использования для обработки данных.
Настройка системы для программирования на R, установка R и RStudio. Работа с консолью. Использование справки. Использование пакета swirl.
Возможности R для решения типовых задач в статистике и машинном обучении.

Основы синтаксиса языка R

Переменные, типы и структуры данных. Рабочее пространство.
Векторное представление данных. Индексирование массивов.
Установка и использование пакетов.
Управление потоком выполнения программы. Условия, циклы, ключевые слова.
Функции. Область видимости. Функции для работы с векторными структурами данных.

Основы статистики

Дескриптивные статистики. Преобразование данных.
Распределение вероятностей. Условная вероятность. Нормальное распределение.
Индуктивная статистика. Проверка статистических гипотез.
Линейная регрессия.

Работа с данными

Возможности R для загрузки данных. Импорт различных форматов данных.
Преобразование данных. Сортировка и фильтрация. Регулярные выражения.
Инструменты R для визуализации данных. Типы графиков. Настройка элементов графиков.

Проверка статистических гипотез

Статистические гипотезы. Значимость, доверительные интервалы.
Сравнение средних. Множественные сравнения. ANOVA.

Линейная регрессия

Линейная регрессия Корреляция. Коэффициент детерминации.
Работа с категориальными переменными. Статистические выбросы.
Множественная линейная регрессия. Коллинеарность. Выбор модели.

Практическая часть курса

Загрузка данных из разных источников, очистка, предобработка, визуализация, выдвижение и проверка гипотез. Решение задач регрессии и классификации.

Итоговое тестирование

В конце обучения на курсе проводится итоговая аттестация в виде теста или на основании оценок за практические работы, выполненных в процессе обучения.

Возможные форматы обучения и размеры групп

очно (до 15 слушателей)

дистанционно в составе очной группы (без ограничения числа подключений)

корпоративный формат (для групп от 10 до 45 слушателей)

У нас обучаются

Тренер курса

Беляев Александр Владимирович

Разработчик информационных систем, системный аналитик, аналитик данных

Ведёт 19 курсов в ЦЕСИНКОМ

Разработка на Python
Машинное обучение
Математическая оптимизация

Консалтинг

Специализация

Должность

Дополнительные услуги

ПОДРОБНЕЕ О ТРЕНЕРЕ

Требуемый уровень предварительной подготовки

Высшее или среднее специальное образование. Слушатели должны быть знакомы с основными принципами работы в среде операционной системы MS Windows, также преимуществом будут базовые знания в области теории вероятностей и программирования.

Траектории, в которые входит данный курс

Специалист по машинному обучению

Список курсов, требующихся для прохождения данного курса

Основы машинного обучения

Список курсов, которые дополняют данный курс

Анализ данных с использованием языка Python

Основы Big Data

Список категорий каталога, в которые включён курс

Построение систем принятия решений на основе данных (Big Data)

Анализ данных и машинное обучение

Разработка курса или траектории обучения под вашу задачу

Центр готов взять на себя разработку курсов и траекторий обучения под уже сформированную модель компетенций или просто под список знаний и навыков, которые нужно освоить специалистам организации.

ОСТАВИТЬ ЗАЯВКУ