Programa do Curso

Primeiro dia: Noções básicas de linguagem

    Introdução ao Curso Sobre Data Science Data Science Definição do Processo de Fazer Data Science.
Apresentando R Language
  • Variáveis e Tipos
  • Estruturas de Controle (Loops/Condicionais)
  • R Scalars, vetores e matrizes definindo vetores R
  • Matrizes
  • Tipo de dados de caracteres de manipulação de texto e string
  • Arquivos IO
  • Listas
  • Funções Apresentando Funções
  • Fechamentos
  • funções lapply/sapply
  • Quadros de dados
  • Laboratórios para todas as seções
  • Dia Dois: Intermediário R Programming
  • DataFrames e E/S de arquivos Leitura de dados de arquivos Preparação de dados Conjuntos de dados integrados Visualização Pacote gráfico plot() / barplot() / hist() / boxplot() / gráfico de dispersão Mapa de calor Pacote ggplot2 (qplot(), ggplot())
  • Exploração com Dplyr
  • Laboratórios para todas as seções
  • Dia três: Avançado Programming com R

      Modelagem Estatística com Funções Estatísticas R que Lidam com Distribuições NA (Binomial, Poisson, Normal)
    Regressão Apresentando Regressões Lineares
  • Recomendações
  • Processamento de texto (pacote tm / Wordnuvens)
  • Clustering Introdução ao clustering

      KMeans
    Classificação Introdução à Classificação
  • Baías ingénuas
  • Árvores de decisão
  • Treinamento usando pacote caret
  • Avaliando Algoritmos
  • R e Big Data Conectando R a bancos de dados
  • Big Data Ecossistema
  • Laboratórios para todas as seções

    Requisitos

    • É preferível ter conhecimentos básicos de programação

    Configuração

    • Um portátil moderno
    • Mais recente R studio e R environment instalados
     21 horas

    Número de participantes



    Preço por participante

    Declaração de Clientes (5)

    Cursos Relacionados

    Categorias Relacionadas