Applied Data Science med R

Indhold

• Introduktion til RStudio IDE'en, den mest populære IDE for R programmering
• Importering af data fra flat files og databaser. Data kommer fra en række forskellige kilder, derfor er det vigtigt at vide, hvordan man får data fra disse kilder ind i R
• Manipulation af data med et fokus på en meget anvendt pakke for datamanipulation kaldet dplyr. dplyr indeholder en grammatik for datamanipulation, der gør det nemmere og sjovere at manipulere data i R, hvilket er hvad mange analytikere bruger størstedelen af deres tid på
• Plot data med fokus på ggplot2 pakken. ggplot2 indeholder en lignende grammatik for plotning i R. Det at kunne plotte er vigtigt, når konklusioner skal drages og deles med kollegaer
• Programmér en prædiktionsmodel i R også kaldet supervised learning. Lær hvordan man implementerer modeller i R gennem øvelser med et fokus på populære machine learning modeller
• Basal Clustering i R også kaldet unsupervised learning. Lær hvordan du klynger lignende observationer sammen i grupper
• Interaktiv rapportering af resultater til kollegaer med R Markdown. En erhvervet viden om data er ikke meget værd, hvis man ikke kan kommunikere denne forståelse til andre. R Markdown er et stærkt værktøj for rapportering
• Med mere