Kursy R – MasteR

Ścieżka MasteR składa się z 4 kursów. Rozpoczyna się od poziomu podstawowego do zaawansowanego. Oprócz nauki samego programu, uczestnicy mają możliwość poznania nowoczesnych metod analizy danych. Powstała w odpowiedzi na rosnący popyt wśród firm oraz instytucji publicznych na usługi i pracowników w dziedzinie tzw. Data Science – interdyscyplinarnej analizy danych, ze szczególnym uwzględnieniem zagadnień dotyczących budowania i walidacji modeli uczenia maszynowego (Machine Learning). Kursy R, oprócz teorii i praktyki budowy modeli ML przekazuje sposoby efektywnej pracy w programie R i RStudio.

Osobom, które nie miały wcześniej styczności z R i/lub statystyką sugerujemy następującą kolejność: „Analiza i wizualizacja danych w R”, następnie „Podstawy statystyki matematycznej w R”, „Warsztaty analityka Data Science w R”, „Warsztaty Machine Learning w R”. Kursy „Analiza i wizualizacja danych w R” oraz „Warsztaty analityka Data Science w R” to kursy typowo narzędziowe, w związku z tym wiedza ze statystyki, ekonometrii, uczenia maszynowego nie jest na nich wymagana. Natomiast kursy „Podstawy statystyki matematycznej w R” oprócz nauki funkcji i pakietów R przekazują bogatą i kompletną wiedzę na temat analizy statystycznej i modelowania Machine Learning.

Analiza i wizualizacja danych w R

Ten kurs R zaczyna się na poziomie podstawowym, ale szybko przechodzi na poziom średnio zaawansowany. Dedykowany jest przede wszystkim osobom rozpoczynającym przygodę z programem R i zaawansowaną analizą danych. Użytkownicy niemający wcześniej styczności z danymi ilościowymi (tabelami danych) powinni najpierw dobrze poznać środowisko MS Excel. Zakres kursu obejmuje zapoznanie słuchaczy ze środowiskiem R i R-Studio, przedstawienie podstawowych pakietów do efektywnego przetwarzania i prezentowania danych oraz średniozaawansowanej wizualizacji graficznej wyników badań. W programie kursu znajduje się również statystyka opisowa i elementy statystycznej analizy danych.
Więcej

Podstawy statystyki matematycznej w R

Kurs R realizowany jest od podstaw. Powstał on w wyniku analizy podręczników ze statystyki matematycznej dostępnych na rynku. Dlaczego nie można opowiedzieć tego w sposób ciekawy i intuicyjny? Dlaczego niektóre fundamentalne kwestie są przemilczane w większości książek i trzeba się ich samemu domyślać? Ten kurs jest dla Ciebie. Jeśli interesuje Cię jak dobrze skonstruować i wykonać badanie statystyczne lub po prostu chcesz poznać statystykę matematyczną od podstaw i zrozumieć wszystko od A do Z. Oprócz solidnego i szczegółowego wyjaśnienia sensu badań statystycznych, na tym kursie oferujemy solidny i szeroki przegląd podstawowych testów statystycznych – testów Z, t-Studenta, nieparametrycznych, analizy korelacji czy badanie niezależności zjawisk w tablicy kontyngencji.
Więcej

Warsztaty analityka Data Science w R

Około 70% pracy analityka polega na pozyskaniu danych i ich przygotowaniu do dalszych analiz. Czynności wykonywane w ramach tego etapu nie należą do wyrafinowanych, jednak są kluczowe dla kolejnego etapu – budowy modeli ekonometrycznych lub uczenia maszynowego (Machine Learning). Wymagają interdyscyplinarnych umiejętności: umiejętności pracy w wielu językach (np. R, SQL), znajomości technik programowania funkcyjnego i obiektowego, umiejętności optymalizacji kodu (np. obliczenia równoległe). Celem kursu „Data Science w R” jest przekazanie analitykowi danych zestawu zaawansowanych kompetencji w dziedzinie Data Science – tzw. Data Science Toolbox. 
Więcej

Warsztaty Machine Learning w R

Kurs realizowany jest na poziomie zaawansowanym, podstawowa znajomość statystyki jest wymagana. Celem kursu jest przekazanie praktycznej wiedzy o coraz popularniejszych obecnie technikach analizy ilościowej, znanych jako Machine Learning. Pozwalają one na efektywne wykorzystanie potencjału biznesowego w bazach danych gromadzonych przez przedsiębiorstwa, korporacje oraz instytucje publiczne. Zagadnienia przedstawiane są w sposób intuicyjny (a nie teoretyczny), aplikacyjny i praktyczny. Pozwala to lepiej zrozumieć sposób działania algorytmów – ich mocne strony, istniejące (niestety) ograniczenia i efektywne metody implementacji. Uczestników uczymy także o sposobach diagnostyki i oceny jakości modelu w celu wyboru najlepszej metody dla danego zbioru danych. Podczas zajęć podpowiadamy, z których narzędzi korzystać, aby zapewnić najwyższą jakość predykcji (np. bardzo popularne uśrednianie wyników z kilku modeli – ensembling). Uczymy krytycznej oceny wyników i optymalnych metod ich weryfikacji czyli state-of-the-art w coraz ważniejszej dziedzinie wiedzy i umiejętności w gospodarce: interdyscyplinarnej analizie danych – Data Science.  
Więcej