Szkolenie R
Poziom
PodstawowyCzas
16h / 2 dniTermin
IndywidualnieCena
IndywidualnieSzkolenie z R
Podczas dwudniowego szkolenia uczestnicy poznają podstawowe struktury i konstrukcje języka, pracę z pakietami oraz kompletny proces analityczny — od importu i kontroli jakości danych po analizę statystyczną, wizualizację i przygotowanie odtwarzalnego raportu. Zakres metod statystycznych obejmuje ich praktyczne zastosowanie i poprawną interpretację na poziomie podstawowym.
Dla kogo jest to szkolenie?
Dla analityków danych, statystyków, badaczy oraz specjalistów pracujących z danymi, którzy chcą rozpocząć samodzielną pracę w języku R-
Dla osób rozwijających się w obszarze business intelligence, data science, bioinformatyki lub biostatystyki, które znają podstawowe pojęcia statystyczne, potrafią pracować z danymi tabelarycznymi i nie muszą mieć wcześniejszego doświadczenia programistycznego
Czego nauczysz się na tym szkoleniu?
- Przygotujesz projekt analityczny w R, zainstalujesz potrzebne pakiety oraz uruchomisz skrypt przetwarzający dane
- Zaimportujesz dane tabelaryczne, rozpoznasz ich typy i struktury, usuniesz podstawowe błędy jakościowe oraz utworzysz ramkę danych gotową do analizy.
- Zastosujesz wektory, listy, macierze, funkcje, instrukcje warunkowe i pętle do automatyzacji powtarzalnych operacji
- Obliczysz statystyki opisowe, przeprowadzisz podstawowy test hipotezy, analizę wariancji, analizę korelacji i regresję oraz poprawnie zinterpretujesz wyniki
- Przygotujesz wizualizację i odtwarzalny raport analityczny, sprawdzisz założenia wybranych metod oraz wskażesz ograniczenia, ryzyka błędnej interpretacji i zakres wiarygodnych wniosków
Program szkolenia
Dzień 1
Moduł 1 – Środowisko pracy i podstawy języka R
- Środowisko statystyczne R – konsola, skrypty, projekty, obiekty, przestrzeń robocza i organizacja odtwarzalnej analizy
- Pakiety R – repozytoria CRAN, instalacja, aktualizacja, ładowanie, dokumentacja, zależności i podstawowe zasady doboru pakietów
- Typy danych – wartości logiczne, liczbowe, tekstowe, daty, czynniki, wartości brakujące i bezpieczna konwersja typów
- Operatory – operatory arytmetyczne, logiczne, relacyjne, przypisania i przynależności oraz kolejność wykonywania działań
- Funkcje wbudowane – argumenty, wartości domyślne, dokumentacja, agregacje, sortowanie, wyszukiwanie i podstawowe przekształcenia danych
Moduł 2 – Struktury danych w R
- Wektory – indeksowanie, filtrowanie, recykling wartości, operacje wektorowe, nazwy elementów i obsługa wartości brakujących
- Listy i macierze – struktura, indeksowanie, nazwy elementów, wymiary, operacje macierzowe i dobór struktury do rodzaju danych
- Ramki danych – obiekty data.frame i tibble, import danych, wybór kolumn, filtrowanie wierszy, sortowanie, grupowanie, łączenie tabel i kontrola jakości
Moduł 3 – Sterowanie przepływem i automatyzacja kodu
- Funkcje własne – argumenty, wartości zwracane, zakres zmiennych, walidacja danych wejściowych, obsługa błędów i ponowne wykorzystanie kodu
- Instrukcje warunkowe – konstrukcje if, else i ifelse, warunki złożone, obsługa przypadków brzegowych i logika procesu analitycznego
- Pętle – konstrukcje for i while, rodzina funkcji apply, iteracja po obiektach, zapisywanie wyników i kryteria wyboru rozwiązania
Dzień 2
Moduł 4 – Proces analizy i statystyka opisowa
- Proces analizy danych za pomocą R – import, porządkowanie, transformacja, walidacja, eksploracja, wizualizacja i dokumentacja wyników
- Podstawy statystyki opisowej – miary położenia i zmienności, rozkłady, wartości odstające, braki danych, tabele podsumowujące i podstawowe wykresy
Moduł 5 – Wnioskowanie statystyczne
- Testy hipotez statystycznych – hipoteza zerowa i alternatywna, poziom istotności, wartość p, przedziały ufności, dobór testu i ryzyko błędnych wniosków
- Analiza wariancji – założenia ANOVA, porównanie średnich, diagnostyka danych, interpretacja wyników i podstawy porównań post hoc
- Analiza korelacji – współczynniki Pearsona i Spearmana, macierze korelacji, wizualizacja zależności, obserwacje odstające i rozróżnienie korelacji od przyczynowości
Moduł 6 – Regresja i szeregi czasowe
- Analiza regresji – regresja liniowa, zmienna objaśniana i predyktory, współczynniki modelu, miary dopasowania, diagnostyka reszt i ograniczenia interpretacji
- Analiza szeregów czasowych – indeks czasu, częstotliwość obserwacji, trend, sezonowość, opóźnienia, braki danych i podstawowe wykresy diagnostyczne
- Walidacja i interpretacja analizy szeregów czasowych – chronologiczny podział danych, prognoza bazowa, miary błędu, kontrola dopasowania, niepewność wyników i ograniczenia prognoz
Moduł 7 – Wizualizacja i raport analityczny
- Wizualizacja i raport analityczny w R – warstwy ggplot2, dobór wykresu, etykiety, skale, czytelność prezentacji oraz odtwarzalny raport w Quarto
