Kategória: Adattudomány R-ben

Adattudomány specializáció (Coursera)

https://www.coursera.org/specializations/jhu-data-science

Ez egy ingyen elvégezhető 10 részes adattudomány specializáció a Coursera oldalon, a Johns Hopkins University oktatóinak jóvoltából. A tananyag szabadon elérhető ezeken az oldalakon:

• https://datasciencespecialization.github.io/
• https://github.com/DataScienceSpecialization/courses
• https://github.com/bcaffo/courses/

Az adattudós eszköztára

https://www.coursera.org/learn/data-scientists-tools/

Ez a képzés azokat az eszközöket mutatja be, amelyekre szükség van a képzés elvégzéséhez: R, R Studio, R tools, Git, GitHub.

Az adattudomány kérdéseinek típusai:

• Leíró (descriptive): egy adathalmaz leírása.
• Felderítő (exploratory): korábban nem ismert kapcsolat felderítése.
• Következtető (inferential): állítás megfogalmazása nagyobb adatmennyiségről viszonylag kis minta felhasználásával.
• Előrejelző (predictive): valamilyen dologgal kapcsolatos adatok felhasználása más dologgal kapcsolatos értékek előrejelzésére.
• Okozati (casual): annak a kiderítése, hogy mi történik egy változóval ha egy másikat megváltoztatunk.
• Mechanisztikus (mechanistic): egy változó megváltozásának megértése, amely más dolgok változóinak a megváltozásához vezetnek.

Az adattudományban a legfontosabb a kérdés, a második legfontosabb az adat.

R programozás

https://www.coursera.org/learn/r-programming

Az R programozási nyelv a Python mellett az adattudomány meghatározó nyelve, és különösen az volt a képzés készítésekor.

Erről a témáról az R programozási nyelv oldalon olvashatunk.

Az adatok beszerzése és tisztítása

Kurzus: https://www.coursera.org/learn/data-cleaning/

Ez a kurzus azt a témát boncolgatja, hogy hogyan lesz a nyers adatból tiszta adat, és hogy mit értünk tiszta adat alatt. Tiszta adat alatt a táblázatos adatot értjük, ahol minden mért változó egy oszlopot, és mindegyik mérés egy sort jelent. Az adatokról célszerű egy leírást készíteni, ami tartalmazza a mértékegységeket is. A folyamatot érdemes script segítségével végrehajtani.

Erről a témáról az Adatkezelés R-ben oldalon olvashatunk.

Feltáró adatelemzés

https://www.coursera.org/learn/exploratory-data-analysis/

Ez a tanfolyam diagramok készítésével foglalkozik, ami kiválóan alkalmas az adatok bemutatására. Bemutatja a 3 nagy rendszert: Base-R, Lattice és ggplot.

A témáról a Diagramok R-ben oldalon olvashatunk.

Reprodukálható kutatás

https://www.coursera.org/learn/reproducible-research/

A reprodukálhatóság a tudományos kutatásban alapvető fontosságú. A folyamat minden lépését pontosan dokumentálni kell. A véletlenítést is reprodukálhatóvá kell tenni, azaz a véletlenszám generátorok magját (seed) is be kell állítani, hogy a későbbi futáskor pontosan ugyanaz legyen az eredmény.

A tanfolyam olyan technológiákat említ mint a Markdown és az RPubs. ami megtalálható az R adattermékek oldalon.

Statisztikai következtetés

https://www.coursera.org/learn/statistical-inference/

Ez a tanfolyam olyan valószínűségszámítási és statisztikai témákat boncolgat, mint várható érték, szórás, különféle eloszlások, statisztikai próbák.

A Statisztika R-ben oldal foglalkozik ezekkel a témákkal.

Regressziós modellek

https://www.coursera.org/learn/regression-models/

Ez a tanfolyam a regresszióval, azaz a szám adatok kapcsolatával foglalkozik. Érinti a lineáris és logisztikus regresszió, az egy- és többváltozós regresszió és a különböző hibaszámítások területét.

A témát érinti a Gépi tanulás R-ben oldal.

Gyakorlati gépi tanulás

https://www.coursera.org/learn/practical-machine-learning/

Gépi tanulási módszereket mutat be, ami többféle osztályozási és regressziós módszert érint, valamint ismereti a caret csomagot is.

A témáról összefoglalót a Gépi tanulás R-ben oldalon találunk.

Adattermékek fejlesztése

https://www.coursera.org/learn/data-products/

Ez a kurzus arról szól, hogy hogyan tudunk statisztikai alkalmazásokat, elsősorban webalkalmazásokat készíteni.

Az anyag az R adattermékek oldalon érhető el.

Adattudomány záró projekt

https://www.coursera.org/learn/data-science-project

Egy nagy méretű szöveget (korpuszt) kellett elemezni, és ennek segítéségével egy olyan alkalmazást írni, ami egy üzenet írásakor javaslatot tesz a következő szóra.

Online tananyagok

A neten számos R tutorial található. A jelentősebb tutorial oldalak szinte mindegyike tartalmaz R-t, ahogy vannak saját tananyagok is, valamint komplett könyveket is le lehet tölteni:

• https://cran.r-project.org/doc/manuals/r-release/R-intro.html
• https://education.rstudio.com/learn/beginner/
• https://www.w3schools.com/r/
• https://www.tutorialspoint.com/r/
• https://www.geeksforgeeks.org/r-language/r-tutorial/
• http://r-tutorials.com/
• http://r-tutorial.nl/
• https://cran.r-project.org/doc/manuals/R-intro.pdf
• https://cran.r-project.org/doc/contrib/Paradis-rdebuts_en.pdf
• https://ds.dfci.harvard.edu/~aedin/courses/R/CDC/Intro2R.pdf
• https://www.stat.purdue.edu/scs/docs/R_Tutorial.pdf