easyMaths - a tudás világos oldala

Adataim kezelése

Vezetéknév Keresztnév

Jelszó (nem kötelező) Jelszó megerősítése (nem kötelező)

Értesítési email cím

Hol hallottál rólunk? Születési év

Mit kapok ettől a kurzustól?

A kurzus végére a hallgató megismeri az adatstruktúrákat, függvényeket és egyéb alapvető programozási ismereteket. A kurzus célja a kezdőlökés megadása, amely után már akár önállóan is képes lesz feldolgozni új R csomagokat.

Előadó

Gyurkó Dávid

R fejlesztő / Data Scientist

Szabadúszó R programozó (Data Analyst/Data Scientist), egyetemi oktató (BGE, KRE). 6+ éve foglalkozik R programozással.

Hasonló kurzusok Mind

Banki Kisokos

közgazdaságtan

Mikroökonómia

Gépészmérnöki alapismeretek

Vélemények a kurzusról

Data Science alapok - R programozás alapjai

R programozási alapok, ami az adatelemzéshez (Data Analysis / Data Science) szükséges.

Programozás

45443 megtekintés

0

0

Ebben a kurzusban az R programozás alapjait ismerheted meg, ami a Python mellett az egyik legnépszerűbb nyelv az adatelemzők körében. Előnye, hogy nyílt forráskódú, így a fizetős termékekkel ellentétben (SPSS, SAS) sokkal több funkciót tartalmaz és könnyebb információkhoz jutni, valamint segítséget kérni. A videók az alap (base) R csomagból mutatják be a legfontosabb funkciókat és koncepciókat, amik elengedhetetlenek az adattranszformációs, adatvizualizációs és gépi tanulással kapcsolatos csomagok elsajátításához.

A kurzus ára:

4.990 Ft

Megvásárolom

Bárhol, Bármikor

Mobil elérés

Segédanyagok

: Fizetős

: Csak regisztráltaknak

free: Ingyenes

1

free

13:11

A kurzus bevezető videója, amiben kiderül mi a célja a kurzusnak, kinek ajánlom, illetve, hogy kell-e bármilyen előképzettség hozzá.

2

Hogyan kérjünk segítséget

07:47

Gyakran előfordul, hogy elakadunk, de nem kell megijedni. Az open source nyelvek előnye, hogy sokan használják és könnyen lehet segítséghez jutni.

3

Az R és RStudio telepítése Windows-on

03:22

Egyszerű next-next-finish videó arról hogyan telepítsük az R-t és az Rstudio-t Windows operációs rendszeren

4

Az RStudio fejlesztőkörnyezet használata

17:00

Kódot szinte mindig a fejlesztőkörnyezetben írunk, így érdemes ismerni mit hogyan lehet csinálni, milyen gyorsbillentyűk vannak, stb.

5

Első lépések R-ben

14:10

Első lépések R-ben, avagy hogyan kezdünk el R kódot írni.

6

08:33

Az R-ben található adattípusok leírása (szám, szöveg, logikai)

7

03:47

Az R-ben használt objektumok. Későbbi videókban bővebben kifejtésre kerülnek (vektor, mátrix, lista, data.frame)

8

Típuskényszerítés

03:49

Mi történik, ha két, vagy több különböző típusú elemet teszünk egy olyan objektumba, amely csak egy adott típust vehet fel?

9

Explicit konverzió

03:19

10

Hiányzó értékek használata R-ben (NA)

08:29

Mik a hiányzó értékek, mit jelentenek és miért van rájuk szükségünk?

11

03:10

A NULL objektumok használata

12

Egyéb speciális értékek

02:31

Egyéb speciális értékek, amikkel találkozhattok R-ben

13

Kommentek használata

04:20

Mire lehet használni a kommenteket és mire érdemes?

14

Vektorok – Bevezetés

05:02

Bevezetés a vektorokba

15

Vektorok létrehozása

08:48

Hogyan tudunk különböző típusú vektorokat létrehozni?

16

Vektor elemeinek kiválasztása

05:19

Előfordul, hogy nem a teljes vektorra van szükségünk, csak egy részére. Ebben a videóban megnézzük, hogyan tudjuk egy vektornak csak egy részét kiválasztani

17

Vektor elemeinek módosítása

04:45

A vektor elemeinek módosítása a kiválasztás és az értékadás operátor segítségével

18

Vektorizált műveletek

05:29

Miért érdemes vektorizált műveleteket használni?

19

Listák – Bevezetés

02:51

Listák, avagy speciális vektorok amelyek különböző adattípust is felvehetnek.

20

Listák elemeinek kiválasztása

02:36

A listák elemeinek kiválasztása [, [[, vagy $ operátorral.

21

Listák elemeinek módosítása

04:38

Listák elemeinek módosítása, törlése, új elemek hozzáfűzése meglévő listához.

22

Mátrixok – Bevezetés

02:16

Bevezetés a mátrixokba. Mikor használjuk a mátrixokat, miben hasonlítanak a vektorokra és miben térnek el a data.frame-ektől.

23

Mátrixok – Kiválasztása és módosítása

04:23

Mátrix elemeinek manipulálása (kiválasztás és módosítás)

24

Mátrixműveletek

03:46

Skalárműveletek (összeadás, kivonás, szorzás, osztás), valamint mátrixműveletek és egyéb mátrixxal kapcsolatos függvények

25

data.frame – Bevezetés

03:40

Bevezetés a data.frame-ekbe, az R legjobban kedvelt objektumaiba.

26

data.frame elemeinek kiválasztása

03:06

A data.frame-ek sorainak és oszlopainak kiválasztása a listákhoz és a mátrixokhoz hasonlóan.

27

data.frame műveletek

06:26

Milyen egyéb csomagokat érdemes megnézni. A dplyr és data.table csomagok szintaxisa

28

Függvények – Bevezetés

04:13

A függvények használata a kódismétlés elkerülése végett. DRY elv: Dont repeat yourself.

29

Függvények – Argumentumok

03:42

Hogyan írjunk függvényt? Milyen argumentumokat adhatunk meg? Mi az az alapértelmezett argumentum?

30

Változók „szkópja”

02:58

Függvényen belül milyen adatok érhetők el? Mik a lokális és globális változók?

31

Elágazások (if, else)

06:32

Logika, avagy a programozás alapja. Mi történjen ha egy állítás igaz és mi, hogy ha nem. Hogyan használjuk a vektorizált ifelse-eket.

32

05:33

A programozásban leggyakrabban használt ciklus R-ben a szintaxisa miatt kevésbé preferált, de bármilyen iterációs feladat végrehajtható vele.

33

while ciklusok, egyéb kulcsszavak

03:09

while ciklus, avagy egy alternatív módja a ciklusoknak

34

lapply és sapply

03:51

Elegáns ciklusok R-ben az apply család két tagjával

35

apply és mapply

03:14

Kétdimenziós objektumok iterálása, valamint több azonos hosszúságú vektor iterálása

36

Csomagok kezelése

06:54

Hogyan kell csomagokat betölteni, vagy egyes függvényeket használni a csomagokból betöltés nélkül

Ha túlélő akarsz lenni ezen a világon, meg kell tanulnod gyorsan tanulni.

Chaim Potok

2024 © easyMaths Kft. Minden jog fentartva!

Mondd el a véleményed az új oldalról!