Data Science R Programmering - eLearning
3.900,00 DKK
- 40 hours
Data Science with R-certificeringskurset gør det muligt for dig at tage dine data science-færdigheder med ind i en række virksomheder, hvor du hjælper dem med at analysere data og træffe mere velinformerede forretningsbeslutninger. Kurset dækker dataudforskning, datavisualisering, prædiktiv analyse og beskrivende analyseteknikker med R-sproget. Du vil lære om R-pakker, hvordan man importerer og eksporterer data i R, datastrukturer i R, forskellige statistiske koncepter, klyngeanalyse og prognoser.
Vigtige funktioner
Sprog
Kurset og materialet er på engelsk
Niveau
Begynder - mellemniveau
1 års adgang
til eLearning-platformen 24/7
6 timers eLearning videomateriale
med anbefalet studietid på 40 timer & øvelser
Praksisser
Virtuelle laboratorier, Quizzer, Testsimulationer, Afsluttende projekter
Ingen eksamen
Ingen eksamen for kurset, men studerende vil få et uddannelsesbevis ved afslutning
Læringsresultater
Ved afslutningen af dette e-læringskursus i Data Science R-programmering vil du være i stand til at:
At mestre R-programmering
Udvikl færdigheder i R og dets pakker for effektivt at kunne håndtere opgaver inden for dataanalyse.
Dataudforskning og -visualisering
Lær teknikker til at udforske datasæt og skabe indsigtsfulde visualiseringer for at afdække mønstre og indsigter.
Statistisk analyse
Forstå og anvend forskellige statistiske koncepter for nøjagtigt at fortolke data.
Prædiktiv og beskrivende analyse
Opnå evnen til at udføre både prædiktiv og beskrivende analyse for at informere beslutningsprocesser.
Dataimport og -eksport
Tilegn dig færdigheder til at importere og eksportere data i R, hvilket letter håndteringen af data.
Klyngeanalyse og prognosticering
Lær metoder til gruppering af data og til at lave prognoser baseret på datatendenser.
Kursus tidsplan
Introduktion til forretningsanalyse
Lektion 01
- Oversigt
- Forretningsbeslutninger og analytik
- Typer af forretningsanalyse
- Anvendelser af forretningsanalytik
- Oversigt over datalogi
Introduktion til R-programmering
Lektion 02
- Oversigt
- Betydningen af R
- Datatyper og variabler i R
- Operationer i R
- Betingede udsagn i R
- Løkker i R
Datastrukturer
Lektion 03
- Identificer datastrukturer
- Demo: Identificer datastrukturer
- Tildeling af værdier til datastrukturer
- Datahåndtering
- Demo: Tildeling af værdier og anvendelse af funktioner
Data Visualisering
Lektion 04
- Introduktion til datavisualisering
- Data visualisering ved brug af grafik i R
- Ggplot2
- Filformater af grafiske output R
Statistik for datalogi-I
Lektion 05
- Introduktion til hypotese
- Typer af hypoteser
- Dataudtagning
- Konfidensniveauer og signifikansniveauer
Statistik for datalogi - II
Lektion 06
- Hypotesetest
- Parametrisk test
- Ikke-parametrisk test
- Hypotesetests om populationsmiddelværdier
- Hypotesetest om populationens varians
- Hypotesetest om populationens proportioner
Regressionsanalyse
Lektion 07
- Introduktion til regressionsanalyse
- Typer af regressionsanalysemodeller
- Lineær regression
- Demo: Simpel lineær regression
- Ikke-lineær regression
- Demo: Regressionsanalyse med flere variabler
- Krydsvalidering
- Fra ikke-lineære til lineære modeller
- Principal komponentanalyse
- Faktoranalyse
Klassifikation
Lektion 08
- Klassifikation og dens typer
- Logistisk regression
- Supportvektormaskiner
- Demo: Naiv Bayes-klassifikator
- Demo: Naiv Bayes-klassifikator
- Beslutning: Træklassifikation
- Demo: Klassificering med beslutningstræ
- Tilfældig skovklassifikation
- Evaluering af klassificeringsmodeller
- Demo: K-fold krydsvalidering
Klyngeinddeling
Lektion 09
- Introduktion til klyngeanalyse
- Klynge Metoder
- Demo: K-means klyngeanalyse
- Demo: Hierarkisk klyngeanalyse
Forening
Lektion 10
- Associationsregel
- Apriori-algoritmen
- Demo: Apriori-algoritmen
Hvem bør tilmelde sig dette program?
Der er en stigende efterspørgsel efter dygtige dataforskere på tværs af alle industrier, hvilket gør dette data science certificeringskursus velegnet for deltagere på alle erfaringsniveauer.
IT-professionelle
Analytikere
Softwareudviklere
Dataforsker
Business Intelligence
Forudsætninger
Der er ingen formelle krav til dette kursus. Det anbefales dog at have:
- Grundlæggende statistik: En grundlæggende forståelse af statistik (gennemsnit, median, standardafvigelse osv.) vil hjælpe med at forstå kursusindholdet, især når man lærer teknikker til dataanalyse.
- Matematikgrundlag: Grundlæggende matematikkundskaber, især inden for områder som algebra og sandsynlighedsregning, vil hjælpe med at forstå nogle af de mere avancerede emner inden for dataanalyse og modellering.
- Kendskab til data: En grundlæggende forståelse af datasæt, datatyper (numeriske, kategoriske) og strukturer som tabeller vil være nyttig.
Udsagn
Licensgivning og akkreditering
Certificeringstræning i Data Science med R-programmering tilbydes af Simplilearn. AVC fremmer dette kursus baseret på Partneraftalen og opfylder akkrediteringskravene.
Lighedspolitik
Simplilearn tilbyder i øjeblikket ikke prøvetilpasninger på grund af en handicap eller medicinsk tilstand hos nogen studerende. Kandidater opfordres til at kontakte AVC for vejledning og støtte gennem tilpasningsprocessen.
Ofte stillede spørgsmål
Har du brug for virksomhedsløsninger eller LMS-integration?
Fandt du ikke kurset eller programmet, der ville være til gavn for din virksomhed? Har du brug for LMS-integration? Skriv til os, vi løser alt!