Adding Value Consulting
Data Science R Programmering - eLearning
Data Analysis

Data Science R Programmering - eLearning

4.900,00 NOK

  • 40 hours
eLæring

Data Science med R-sertifiseringskurset gjør det mulig for deg å ta med deg datakunnskapene dine til en rekke selskaper, slik at du kan hjelpe dem med å analysere data og ta mer informerte forretningsbeslutninger. Kurset dekker datautforskning, datavisualisering, prediktiv analyse og beskrivende analyseteknikker med R-språket. Du vil lære om R-pakker, hvordan du importerer og eksporterer data i R, datastrukturer i R, ulike statistiske konsepter, klyngeanalyse og prognoser.

Nøkkelfunksjoner

Språk

Kurset og materialet er på engelsk

Nivå

Nybegynner - mellomnivå

1 års tilgang

til e-læringsplattformen 24/7

6 timer med e-læringsvideoinnhold

med anbefalt studietid på 40 timer & øvelser

Praksiser

Virtuelle labber, Quizzer, Testsimulering, Avsluttende prosjekter

Ingen eksamen

Ingen eksamen for kurset, men studenten vil få et sertifikat for fullført opplæring

Hero

Læringsutbytte

Ved slutten av dette e-læringskurset i Data Science R-programmering vil du være i stand til å:

Å mestre R-programmering

Utvikle ferdigheter i R og dets pakker for å effektivt håndtere oppgaver knyttet til dataanalyse.

Datautforsking og visualisering

Lær teknikker for å utforske datasett og skape innsiktsfulle visualiseringer for å avdekke mønstre og innsikter.

Statistisk analyse

Forstå og anvende ulike statistiske konsepter for å tolke data nøyaktig.

Prediktiv og beskrivende analyse

Få evnen til å utføre både prediktiv og beskrivende analyse for å informere beslutningsprosesser.

Dataimport og -eksport

Tilegn deg ferdigheter for å importere og eksportere data i R, noe som muliggjør sømløs databehandling.

Klyngeanalyse og prognoser

Lær metoder for å gruppere data og gjøre prognoser basert på datatrender.

Kursplan

Hero

  1. Introduksjon til forretningsanalyse

    Leksjon 01

    • Oversikt
    • Forretningsbeslutninger og analyser
    • Typer forretningsanalyse
    • Anvendelser av forretningsanalyse
    • Oversikt over dataanalyse

  2. Introduksjon til R-programmering

    Leksjon 02

    • Oversikt
    • Betydningen av R
    • Datatyper og variabler i R
    • Operasjoner i R
    • Betingede uttrykk i R
    • Løkker i R

  3. Datastrukturer

    Leksjon 03

    • Identifiser datastrukturer
    • Demo: Identifiser datastrukturer
    • Tilordne verdier til datastrukturer
    • Datahåndtering
    • Demo: Tilordne verdier og anvende funksjoner

  4. Data Visualisering

    Leksjon 04

    • Innføring i data visualisering
    • Datavisualisering ved bruk av grafikk i R
    • Ggplot2
    • Filformater for grafiske utdata R

  5. Statistikk for data science-I

    Leksjon 05

    • Introduksjon til hypotese
    • Typer hypoteser
    • Datautvalg
    • Konfidensnivåer og signifikansnivåer

  6. Statistikk for data science - II

    Leksjon 06

    • Hypotesetest
    • Parametrisk test
    • Ikkje-parametrisk test
    • Hypotesetester om populasjonsgjennomsnitt
    • Hypotesetester om populasjonsvarians
    • Hypotesetester om populasjonsproporsjoner

  7. Regresjonsanalyse

    Leksjon 07

    • Introduksjon til regresjonsanalyse
    • Typer regresjonsanalysemodeller
    • Lineær regresjon
    • Demo: Enkel lineær regresjon
    • Ikke-lineær regresjon
    • Demo: Regresjonsanalyse med flere variabler
    • Kryssvalidering
    • Fra ikke-lineære til lineære modeller
    • Hovedkomponentanalyse
    • Faktoranalyse

  8. Klassifisering

    Leksjon 08

    • Klassifisering og dens typer
    • Logistisk regresjon
    • Støttevektormaskiner
    • Demo: Naiv Bayes-klassifikator
    • Demo: Naiv Bayes-klassifisering
    • Beslutningstre: Klassifisering
    • Demo: Beslutningstre-klassifisering
    • Tilfeldig skogklassifisering
    • Evaluering av klassifiseringsmodeller
    • Demo: K-Fold Kryssvalidering

  9. Klyngedannelse

    Leksjon 09

    • Introduksjon til klyngeanalyse
    • Klyngeanalysemetoder
    • Demo: K-means klustering
    • Demo: Hierarkisk klyngeanalyse

  10. Forening

    Leksjon 10

    • Assoiasjonsregel
    • Apriori-algoritmen
    • Demo: Apriori-algoritmen
Start nå

Hvem bør melde seg på dette programmet?

Det er en økende etterspørsel etter dyktige dataforskere i alle bransjer, noe som gjør dette sertifiseringskurset i datavitenskap godt egnet for deltakere på alle erfaringsnivåer.

IT-profesjonelle

Analytikerprofesjonelle

Programvareutviklere

Dataforsker

Forretningsintelligens

Start kurset nå

Forutsetninger

Det er ingen formelle krav til dette kurset. Det anbefales imidlertid å ha:

  • Grunnleggende statistikk: En grunnleggende forståelse av statistikk (gjennomsnitt, median, standardavvik osv.) vil hjelpe i forståelsen av kursets innhold, spesielt når man lærer teknikker for dataanalyse.
  • Grunnleggende matematikk: Grunnleggende ferdigheter i matematikk, spesielt innen områder som algebra og sannsynlighet, vil hjelpe til med å forstå noen av de mer avanserte temaene innen dataanalyse og modellering.
  • Kjennskap til data: En grunnleggende forståelse av datasett, datatyper (numeriske, kategoriske) og strukturer som tabeller vil være nyttig.

Uttalelser

Lisensiering og akkreditering

Sertifiseringstrening i Data Science med R programmering tilbys av Simplilearn. AVC fremmer dette kurset basert på Partneravtale og oppfyller akkrediteringskravene.

Likestillingspolitikk

Simplilearn tilbyr for øyeblikket ikke tilrettelegging for prøver på grunn av en funksjonshemming eller medisinsk tilstand hos noen studenter. Kandidater oppfordres til å kontakte AVC for veiledning og støtte gjennom tilretteleggingsprosessen.

Ofte stilte spørsmål

Trenger du bedriftsløsning eller LMS-integrasjon?

Fant du ikke kurset eller programmet som ville være passende for din bedrift? Trenger du LMS-integrasjon? Ta kontakt med oss! Vi er agile og løser alt!