Programa do Curso

Primeiro dia: Noções básicas da língua

  • Introdução ao curso
  • Sobre Data Science
    • Data Science Definição
    • Processo de fazer Data Science.
  • Introduzindo R Language
  • Variáveis e Tipos
  • Estruturas de Controlo (Laços / Condicionais)
  • R Scalars, Vectores e Matrizes
    • Definição de vectores em R
    • Matrizes
  • Manipulação de strings e texto
    • Tipo de dados de caracteres
    • IO de ficheiros
  • Listas
  • Funções
    • Introdução às funções
    • Encerramentos
    • Funções lapply/sapply
  • Quadros de dados
  • Laboratórios para todas as secções

Segundo dia: R intermédio Programming

  • DataFrames e E/S de Ficheiros
  • Ler dados de ficheiros
  • Preparação de dados
  • Conjuntos de dados incorporados
  • Visualização
    • Pacote de gráficos
    • plot() / barplot() / hist() / boxplot() / gráfico de dispersão
    • Mapa de calor
    • Pacote ggplot2 (qplot(), ggplot())
  • Exploração com Dplyr
  • Laboratórios para todas as secções

Terceiro dia: Avançado Programming com R

  • Modelação Estatística com R
    • Funções Estatísticas
    • Lidando com NA
    • Distribuições (Binomial, Poisson, Normal)
  • Regressão
    • Introdução às regressões lineares
  • Recomendações
  • Processamento de texto (pacote tm / Wordclouds)
  • Agrupamento
    • Introdução ao agrupamento
    • KMeans
  • Classificação
    • Introdução à classificação
    • Naive Bayes
    • Árvores de decisão
    • Treinamento usando o pacote caret
    • Avaliação de algoritmos
  • R e Big Data
    • Ligar o R a bases de dados
    • Ecossistema Big Data
  • Laboratórios para todas as secções

Requisitos

  • Back ground em programmação
  • Laptop moderna
  • R instalado

Configuração

 21 Horas

Número de participantes


Preço por Participante

Declaração de Clientes (7)

Próximas Formações Provisórias

Categorias Relacionadas