Sprawna praca w RStudio - Nauczysz się swobodnie pracować w R i RStudio: uruchamiać kod, pisać skrypty, korzystać z konsoli i porządkować środowisko, dzięki czemu szybciej wykonasz codzienne zadania analityczne.
Pewne operacje na danych - Opanujesz wybieranie elementów, filtrowanie wierszy oraz tworzenie nowych kolumn, więc samodzielnie przygotujesz dane do analizy bez ręcznego poprawiania arkuszy i powtarzalnych kliknięć.
Lepsza kontrola nad obiektami - Dowiesz się, jak sprawdzać strukturę i klasę danych, zarządzać obiektami w pamięci oraz zapisywać i wczytywać wyniki, co ułatwi Ci panowanie nad projektem i uniknięcie chaosu w pracy.
Skuteczny import i eksport - Nauczysz się importować i eksportować dane tekstowe oraz pracować z ramkami danych, listami i macierzami, dzięki czemu sprawnie przeniesiesz dane między plikami i środowiskiem analitycznym.
Swoboda pracy na wektorach - Zrozumiesz typy danych w R, konwersje, wartości logiczne, tekstowe i numeryczne, a także braki danych, czynniki oraz daty, więc poprawnie przygotujesz zmienne do dalszych obliczeń.
Szybkie podsumowanie danych - Poznasz praktyczne sposoby liczenia średnich, sum i tabel częstości oraz tworzenia podsumowań dla grup danych, co pozwoli Ci szybciej wyciągać wnioski z surowych zbiorów informacji.
Efektywne użycie dplyr i data.table - Przećwiczysz pracę z dplyr i data.table: filtrowanie, grupowanie, sortowanie, losowanie i łączenie zbiorów, dzięki czemu wybierzesz narzędzia wygodne i wydajne do własnych analiz.
Samodzielne rozwijanie umiejętności - Nauczysz się wyszukiwać, instalować i ładować pakiety oraz korzystać z pomocy w R, więc po szkoleniu samodzielnie rozwiążesz wiele problemów i rozbudujesz własny warsztat pracy.
R zostaje najpierw osadzony w kontekście oprogramowania open source oraz języka programowania o własnym modelu pracy. Sekcja obejmuje instalację, rolę RStudio i orientację w jego interfejsie, tworząc techniczne podstawy do dalszej pracy z kodem i danymi.
Praca w konsoli i skryptach jest połączona z praktycznym przekształcaniem danych, dzięki czemu nawyki operacyjne rozwijają się równolegle ze składnią. Zakres obejmuje katalog i przestrzeń roboczą, obsługę obiektów, pakietów i pomocy oraz wybór elementów, wierszy i tworzenie kolumn.
Podstawowe statystyki opisowe są wprowadzane przez operacje najczęściej wykonywane na początku analizy eksploracyjnej. Uczestnicy obliczają średnią i sumę, a następnie tworzą tabelę częstości, aby zwięźle opisać rozkład wartości i uzyskać liczbowy obraz danych.
Funkcje class(), str(), dim() i head() służą do szybkiej kontroli struktury obiektów oraz wstępnej oceny zawartości danych. Uzupełnia je rm(), które porządkuje przestrzeń roboczą i wspiera zarządzanie obiektami podczas iteracyjnej pracy ze skryptami i zbiorami.
Sprawna wymiana plików jest traktowana jako stały element pracy analitycznej w R. Sekcja koncentruje się na przenoszeniu danych między środowiskiem a zewnętrznymi źródłami, tak aby zachować poprawną strukturę zbiorów i przygotować wyniki do dalszego wykorzystania lub udostępnienia.
Na poziomie wektorów uczestnicy pracują z podstawową strukturą danych, od której zależy wiele operacji w R. Materiał obejmuje typy i konwersję, hierarchię typów, operacje na tekstach z użyciem pakietu stringi, danych logicznych i liczbowych, a także czynniki, daty i braki danych.
Macierze, listy i ramki danych stanowią podstawę przechowywania informacji w R, dlatego sekcja wyjaśnia, kiedy stosować każdy z tych typów obiektów. Dodatkowo wprowadza funkcje z rodziny *apply do automatyzacji powtarzalnych operacji oraz import i eksport danych tekstowych.
Pakiety dplyr i data.table służą tu do pokazania dwóch popularnych sposobów pracy z danymi tabelarycznymi w R. Obok zasad tidy data omawiane są ramki danych, przeglądanie zawartości, postępowanie z brakami danych oraz wybór wierszy przez filtrowanie i losowanie.
Tworzenie nowych zmiennych, grupowanie rekordów i porządkowanie wierszy pokazano jako podstawowe etapy przygotowania danych do dalszej analizy. Sekcja obejmuje także podsumowania, łączenie zbiorów oraz praktyczne porównanie szybkości wykonania kodu w różnych pakietach dla tych samych zadań.
Końcowa część porządkuje cały przebieg pracy z danymi w R, od przygotowania środowiska i obsługi obiektów po transformacje oraz podstawową analizę. Umożliwia też powiązanie mechanizmów bazowych z podejściem dplyr i data.table, aby techniki tworzyły jeden spójny proces.
Podstawowa obsługa komputera - Powinieneś sprawnie poruszać się po systemie operacyjnym, uruchamiać programy, pracować na plikach i folderach oraz samodzielnie instalować proste aplikacje na swoim komputerze.
Praca z plikami danych - Powinieneś rozumieć, czym są pliki z danymi i jak z nich korzystać, na przykład otwierać, zapisywać i porządkować zbiory w folderach, aby swobodnie pracować podczas ćwiczeń.
Podstawy logicznego myślenia - Powinieneś swobodnie rozumieć proste zależności, warunki i kolejność działań, ponieważ podczas kursu będziesz filtrować dane, tworzyć zmienne i wykonywać operacje krok po kroku.
Podstawy pracy z danymi - Powinieneś kojarzyć podstawowe pojęcia takie jak kolumna, wiersz, wartość czy tabela, aby łatwiej zrozumieć przykłady dotyczące filtrowania, podsumowań i łączenia danych w R.
