udemy
Udemy - одна из самых больших площадок в мире по доставке обучающего контента от разных авторов всего мира. Присутсвуют курсы практически на любую тему.
Программирование на R: Продвинутая аналитика в R для Data Science
R Programming: Advanced Analytics In R For Data Science
★5 (всего оценок - 1)
Продолжительность
5 ч 55 мин
Категория
Обработка и анализ данныхКоличество уроков
48 Видео
Дата добавления
25 февр. 2020 г., 22:48
Язык
Английский
Дата выхода
1 февр. 2020 г., 00:41
Дата обновления
29 апр. 2026 г., 06:45
Освойте продвинутые инструменты аналитики в R и поднимите свою работу с данными на новый профессиональный уровень. Этот курс идеально подходит для тех, кто уже знаком с базовым синтаксисом R и хочет перейти к действительно эффективному и современному анализу данных.
Что дает продвинутое владение R для Data Science
R — один из самых мощных языков для статистики, моделирования и визуализации данных. Благодаря гибкости и огромной экосистеме пакетов он остается ключевым инструментом в Data Science, аналитике и исследовательских проектах. В этом курсе вы не просто изучите новые функции, а научитесь мыслить как аналитик, который строит оптимальные решения.
Практические навыки для реальных проектов
Материал курса ориентирован на задачи, которые ежедневно встречаются в бизнесе: очистка данных, подготовка датасетов, оптимизация кода, работа с большими массивами информации.
Инструменты, которые вы освоите
- Применение методов предобработки данных
- Работу с датами и временем с учетом разных временных зон
- Создание гибких структур данных с помощью списков
- Использование семейства функций apply вместо циклов
- Построение вложенных операций для ускорения анализа
- Подготовку профессиональной визуализации в ggplot2
Кому подойдёт этот курс
Курс создан для аналитиков, начинающих специалистов в Data Science, студентов технических специальностей и всех, кто хочет углубить знания в R. Он подойдет, если:
- Вы уже работали в R и хотите перейти на следующий уровень
- Планируете развиваться в Data Science или аналитике данных
- Хотите писать более чистый, быстрый и профессиональный код
- Ищете курс с практикой и реальными примерами
Основные темы, которые вы изучите
Подготовка данных для анализа
Вы научитесь загружать, очищать и трансформировать данные, используя инструменты R, а также применять медианное вменение и другие методы обработки пропусков.
Работа с датами и временем
Курс подробно разбирает функции для манипуляций с датами, временными метками и форматами — знание, без которого невозможен полноценный анализ временных рядов.
Структуры данных: списки
Вы узнаете, как использовать списки для хранения и обработки сложных структур данных, а также грамотно внедрять их в аналитические пайплайны.
Семейство функций apply
Одно из ключевых умений продвинутого пользователя R — замена циклов эффективными функциями apply, lapply, sapply. Курс показывает, как:
- повышать скорость обработки данных
- сокращать количество кода
- повышать читаемость и структурированность решений
- использовать вложенные apply-функции
Почему этот курс выделяется
Материалы построены на уникальных наборах данных, созданных на основе многолетнего опыта в бизнес-аналитике и Data Science. Практические задания делают обучение увлекательным, а главное — полезным.
После завершения курса вы сможете:
- уверенно работать в R и R Studio
- готовить данные для сложного анализа
- применять лучшие практики кодирования
- создавать аналитические решения, готовые для реального бизнеса
Погрузитесь в продвинутую аналитику на R и сделайте уверенный шаг в сторону профессионального Data Science.
- Урок 1.00:05:45Welcome to the Advanced R Programming Course!
- Урок 2.00:02:44Welcome to this section. This is what you will learn!
- Урок 3.00:02:50Project Brief: Financial Review
- Урок 4.00:02:52Updates on Udemy Reviews
- Урок 5.00:05:11Import Data into R
- Урок 6.00:07:38What are Factors (Refresher)
- Урок 7.00:10:10The Factor Variable Trap
- Урок 8.00:06:35FVT Example
- Урок 9.00:09:46gsub() and sub()
- Урок 10.00:09:33Dealing with Missing Data
- Урок 11.00:05:16What is an NA?
- Урок 12.00:10:02An Elegant Way To Locate Missing Data
- Урок 13.00:08:59Data Filters: which() for Non-Missing Data
- Урок 14.00:05:53Data Filters: is.na() for Missing Data
- Урок 15.00:04:48Removing records with missing data
- Урок 16.00:05:04Reseting the dataframe index
- Урок 17.00:06:49Replacing Missing Data: Factual Analysis Method
- Урок 18.00:13:10Replacing Missing Data: Median Imputation Method (Part 1)
- Урок 19.00:04:30Replacing Missing Data: Median Imputation Method (Part 2)
- Урок 20.00:06:15Replacing Missing Data: Median Imputation Method (Part 3)
- Урок 21.00:04:34Replacing Missing Data: Deriving Values Method
- Урок 22.00:10:51Visualizing results
- Урок 23.00:05:50Section Recap
- Урок 24.00:01:45Welcome to this section. This is what you will learn!
- Урок 25.00:17:45Project Brief: Machine Utilization
- Урок 26.00:05:59Import Data Into R
- Урок 27.00:10:18Handling Date-Times in R
- Урок 28.00:11:20R programming: What is a List?
- Урок 29.00:04:36Naming components of a list
- Урок 30.00:06:47Extracting components lists: [] vs [[]] vs $
- Урок 31.00:09:37Adding and deleting components
- Урок 32.00:08:06Subsetting a list
- Урок 33.00:09:13Creating A Timeseries Plot
- Урок 34.00:03:33Section Recap
- Урок 35.00:02:41Welcome to this section. This is what you will learn!
- Урок 36.00:08:51Project Brief: Weather Patterns
- Урок 37.00:09:47Import Data into R
- Урок 38.00:07:35R programming: What is the Apply family?
- Урок 39.00:08:34Using apply()
- Урок 40.00:07:40Recreating the apply function with loops (advanced topic)
- Урок 41.00:11:03Using lapply()
- Урок 42.00:07:12Combining lapply() with []
- Урок 43.00:09:34Adding your own functions
- Урок 44.00:10:59Using sapply()
- Урок 45.00:08:20Nesting apply() functions
- Урок 46.00:11:34which.max() and which.min() (advanced topic)
- Урок 47.00:05:13Section Recap
- Урок 48.00:02:41THANK YOU bonus video
Автор - udemy
Комментарии