Data Science R programmering - eLearning
4.900,00 SEK
- 40 hours
Kursen i dataanalys med R-certifiering möjliggör för deltagarna att tillämpa sina kunskaper inom dataanalys i olika företagsmiljöer, där de bistår med att analysera data och fatta informerade affärsbeslut. Kursen omfattar områden som datautforskning, datavisualisering, prediktiv analys och beskrivande analytiska tekniker med användning av R-språket. Under kursens gång kommer deltagarna att förvärva kunskap om R-paket, dataimport och -export i R, datastrukturer i R, olika statistiska begrepp samt tekniker för klusteranalys och prognostisering.
Nyckelfunktioner
Språk
Kursen och materialet är på engelska
Nivå
Nybörjare - mellannivå
Åtkomst
1 års tillgång till självstudieplattformen för eLearning dygnet runt
6 timmar av videomaterial
med rekommenderad studietid på 40 timmar & övningar
Praktiker
Virtuella labb, Quiz, Testsimulationer, Slutprojekt
Ingen Examen
Ingen tentamen för kursen men studenten kommer att få ett intyg om genomförd utbildning
Lärandemål
I slutet av denna e-lärningskurs i datavetenskap och R-programmering kommer du att kunna:
Bli expert på R-programmering
Utveckla kompetens i R och dess paket för att effektivt hantera uppgifter inom dataanalys.
Datautforskning och visualisering
Lär dig tekniker för att utforska dataset och skapa insiktsfulla visualiseringar för att upptäcka mönster och insikter.
Statistisk analys
Förstå och tillämpa olika statistiska begrepp för att tolka data korrekt.
Prediktiv och beskrivande analys
Få förmågan att utföra både prediktiv och beskrivande analys för att informera beslutsprocesser.
Dataimport och -export
Skaffa färdigheter för att importera och exportera data i R, vilket underlättar smidig hantering av data.
Klusteranalys och prognostisering
Lär dig metoder för att gruppera data och göra prognoser baserade på datatrender.
Kurstidslinje
Introduktion till företagsanalys
Lektion 01
- Översikt
- Affärsbeslut och analyser
- Typer av affärsanalys
- Tillämpningar av affärsanalys
- Översikt av dataanalys
- Slutsats
- Kunskapskontroll
Introduktion till R-programmering
Lektion 02
- Översikt
- Vikten av R
- Datatyper och variabler i R
- Operationer i R
- Villkorssatser i R
- Loopar i R
- Slutsats
- Kunskapskontroll
Datastrukturer
Lektion 03
- Översikt
- Identifiera datastrukturer
- Demo: Identifiera datastrukturer
- Tilldela värden till datastrukturer
- Datahantering
- Demo: Tilldela värden och tillämpa funktioner
- Slutsats
- Kunskapskontroll
Datavisualisering
Lektion 04
- Översikt
- Introduktion till datavisualisering
- Datavisualisering med grafik i R
- Ggplot2
- Filformat för grafiska utdata R
- Slutsats
- Kunskapskontroll
Statistik för datavetenskap-I
Lektion 05
- Översikt
- Introduktion till hypotes
- Typer av hypoteser
- Dataurval
- Konfidensnivåer och signifikansnivåer
- Slutsats
- Kunskapskontroll
Statistik för dataanalys - II
Lektion 06
- Översikt
- Hypotesprövning
- Parametriskt test
- Icke-parametriskt test
- Hypotesprövning om populationsmedelvärden
- Hypotesprövning om populationsvarians
- Hypotesprövning om populationsandelar
- Slutsats
- Kunskapskontroll
Regressionsanalys
Lektion 07
- Översikt
- Introduktion till regressionsanalys
- Typer av regressionsanalysmodeller
- Linjär regression
- Demo: Enkel linjär regression
- Icke-linjär regression
- Demo: Regressionsanalys med flera variabler
- Korsvalidering
- Icke-linjära till linjära modeller
- Principalkomponentanalys
- Faktoranalys
- Slutsats
- Kunskapskontroll
Klassificering
Lektion 08
- Översikt
- Klassificering och dess typer
- Logistisk regression
- Stödvektormaskiner
- Demo: Naiv Bayes-klassificerare
- Demo: Naiv Bayes-klassificerare
- Beslut: Trädklassificering
- Demo: Klassificering med beslutsträd
- Slumpmässig skogsklassificering
- Utvärdering av klassificeringsmodeller
- Demo: K-faldig korsvalidering
- Slutsats
- Kunskapskontroll
Klusterbildning
Lektion 09
- Översikt
- Introduktion till klusteranalys
- Klustermetoder
- Demo: K-means klusteranalys
- Demo: Hierarkisk klusteranalys
- Slutsats
- Kunskapskontroll
Förening
Lektion 10
- Översikt
- Associationsregel
- Apriori-algoritmen
- Demo: Apriori-algoritmen
- Slutsats
- Kunskapskontroll
Vem bör anmäla sig till det här programmet?
Det finns en ökande efterfrågan på skickliga dataforskare inom alla branscher, vilket gör denna certifieringskurs i dataanalys väl lämpad för deltagare på alla erfarenhetsnivåer.
IT-proffs
Analytiker
Mjukvaruutvecklare
Dataanalytiker
Affärsintelligens
Förkunskaper
Det finns inga formella krav för denna kurs. Det rekommenderas dock att ha:
- Grundläggande statistik: En grundläggande förståelse för statistik (medelvärde, median, standardavvikelse osv.) kommer att underlätta förståelsen av kursinnehållet, särskilt när man lär sig tekniker för dataanalys.
- Grundläggande matematik: Grundläggande matematikkunskaper, särskilt inom områden som algebra och sannolikhet, är till hjälp för att förstå vissa mer avancerade ämnen inom dataanalys och modellering.
- Bekantskap med data: En grundläggande förståelse för dataset, datatyper (numeriska, kategoriska) och strukturer som tabeller kommer att vara användbart.
Uttalanden
Licensiering och ackreditering
Certifieringsträningen för datavetenskap med R-programmering erbjuds av Simplilearn. AVC marknadsför denna kurs baserat på partnerskapsavtalet och uppfyller ackrediteringskraven.
Jämställdhetspolicy
Simplilearn erbjuder för närvarande inte anpassningar för prov på grund av funktionshinder eller medicinskt tillstånd hos några studenter. Kandidater uppmuntras att kontakta AVC för vägledning och stöd under anpassningsprocessen.
Vanliga frågor
Behöver du en företagslösning eller integration av LMS?
Hittade du inte kursen eller programmet som skulle passa för ditt företag? Behöver du LMS-integration? Skriv till oss! Vi löser det!