Kurs
Obsługa brakujących danych z imputacją w R
- ZaawansowanyPoziom umiejętności
- 4.7+
- 105 recenzji
Diagnozuj, wizualizuj i uzupełniaj brakujące dane za pomocą różnych technik imputacji oraz wskazówek, jak poprawić wyniki.
Przetwarzanie danych
Oglądaj krótkie filmy prowadzone przez ekspertów-instruktorów, a następnie ćwicz to, czego się nauczyłeś, w interaktywnych ćwiczeniach w przeglądarce.
lub
Kurs
Diagnozuj, wizualizuj i uzupełniaj brakujące dane za pomocą różnych technik imputacji oraz wskazówek, jak poprawić wyniki.
Przetwarzanie danych
Kurs
Poznaj działanie dat w R i odkryj świat instrukcji if, pętli i funkcji na przykładach finansowych.
Finanse stosowane
Kurs
Ten kurs wprowadza maszynę wektorów nośnych (SVM) w intuicyjny, wizualny sposób.
Uczenie maszynowe
Kurs
Stosuj modelowanie statystyczne w praktyce, używając regresji logistycznej i drzew decyzyjnych do modelowania ryzyka kredytowego.
Finanse stosowane
Kurs
Poznaj podstawy testów A/B w R: projektowanie eksperymentów, analiza danych, prognozowanie wyników i prezentacja rezultatów w wizualizacjach.
Prawdopodobieństwo i statystyka
Kurs
Pracuj z seriami zwrotów czynnikowych ryzyka, badaj ich właściwości empiryczne i szacuj wartość zagrożoną.
Finanse stosowane
Kurs
Twórz interaktywne mapy internetowe z łatwością dzięki leaflet.
Wizualizacja danych
Kurs
W tym kursie nauczysz się technik wnioskowania statystycznego na danych liczbowych.
Prawdopodobieństwo i statystyka
Kurs
Analizuj i wizualizuj dane sieciowe z pakietem igraph oraz twórz interaktywne wykresy sieciowe z threejs.
Prawdopodobieństwo i statystyka
Kurs
Usprawnij swoje workflow machine learning z tidymodels.
Uczenie maszynowe
Kurs
W tym kursie nauczysz się wykorzystywać techniki statystyczne do pracy z danymi kategorycznymi.
Prawdopodobieństwo i statystyka
Kurs
Naucz się manipulować danymi, wizualizować je i wykonywać testy statystyczne na podstawie serii studiów przypadków z analityki HR.
Eksploracyjna analiza danych
Kurs
Dowiedz się, jak przełożyć wiedzę SAS na R i analizować dane za pomocą tego darmowego i potężnego języka programowania.
Tworzenie oprogramowania
Kurs
Learn to develop R packages and boost your coding skills. Discover package creation benefits, practice with dev tools, and create a unit conversion package.
Tworzenie oprogramowania
Kurs
Zastosuj umiejętności z zakresu finansów i R do backtestingu, analizy i optymalizacji portfeli finansowych.
Finanse stosowane
Kurs
Naucz się wizualizować szeregi czasowe w R, a potem przećwicz to na studium przypadku wyboru akcji.
Wizualizacja danych
Kurs
Dowiedz się, jak uzyskiwać dostęp do danych finansowych z plików lokalnych oraz źródeł internetowych.
Finanse stosowane
Kurs
Opanuj kluczowe pojęcia manipulacji danymi, takie jak filtrowanie, wybieranie i obliczanie statystyk grupowych za pomocą data.table.
Przetwarzanie danych
Kurs
Naucz się łatwo podsumowywać i przekształcać listy za pomocą pakietu purrr.
Tworzenie oprogramowania
Kurs
Poznaj reguły asocjacyjne w analizie koszyka zakupowego z R, analizując dane detaliczne i tworząc rekomendacje filmów.
Przetwarzanie danych
Kurs
Naucz się używać pakietu Bioconductor limma do analizy różnicowej ekspresji genów.
Prawdopodobieństwo i statystyka
Kurs
Dowiedz się, jak tworzyć i oceniać modele pomiarowe używane do potwierdzania struktury skali lub kwestionariusza.
Prawdopodobieństwo i statystyka
Kurs
Naucz się używać plotly w R do tworzenia interaktywnych wizualizacji danych, aby wzbogacić opowiadanie o danych.
Wizualizacja danych
Kurs
Modele GAM odwzorowują zależności w danych jako nieliniowe funkcje, bardzo elastyczne dla różnych problemów data science.
Prawdopodobieństwo i statystyka
Kurs
Naucz się wykonywać zaawansowane transformacje dplyr i umieszczać kod dplyr oraz ggplot2 w funkcjach.
Przetwarzanie danych
Kurs
Opanuj R do tworzenia modeli oceny i analizy obligacji oraz zabezpieczania ich przed zmianami stóp procentowych.
Finanse stosowane
Kurs
Wzmocnij wiedzę o zagadnieniach z kursu Manipulating Time Series in R, pracując na rzeczywistych danych z case study.
Prawdopodobieństwo i statystyka
Kurs
Ten kurs omawia podstawy handlu finansowego i użycia quantstrat do budowy strategii handlowych opartych na sygnałach.
Finanse stosowane
Kurs
Rozwiń swoje umiejętności finansowe R, aby testować historycznie, analizować i optymalizować portfele finansowe.
Finanse stosowane
Kurs
W tym kursie nauczysz się wykorzystywać data science do kilku typowych zadań marketingowych.
Uczenie maszynowe
Data science to dziedzina wiedzy skoncentrowana na pozyskiwaniu informacji z danych. Korzystając z umiejętności programowania, metod naukowych, algorytmów i nie tylko, data scientists analizują dane, aby tworzyć przydatne wnioski.
Będziesz potrzebować nauki języka programowania, takiego jak Python lub R, i opanowania zasad matematyki i statystyki. Niezbędna jest również znajomość metod analizy danych i narzędzi data science. Istnieje wiele sposobów nauki data science. Oprócz formalnych form edukacji, takich jak studia czy kursy akademickie, istnieje wiele innych zasobów, które pomogą ci uczyć się we własnym tempie. Oprócz kursów online i samouczków dostępne są książki, filmy i wiele więcej.
Oprócz znajomości matematyki i statystyki, data scientists potrzebują umiejętności programistycznych w językach takich jak Python, R i SQL. Ponadto data science wymaga umiejętności pracy z dużymi zbiorami danych, wiedzy z zakresu wizualizacji danych, obróbki danych i zarządzania bazami danych. Przydatne mogą być również umiejętności w dziedzinie uczenia maszynowego i głębokiego uczenia.
W zastosowaniach zawodowych prawie każda branża może w pewnym stopniu korzystać z data science. Organizacje opieki zdrowotnej używają data science do wykrywania i leczenia chorób, podczas gdy firmy finansowe używają jej do wykrywania i zapobiegania oszustwom. Wszelkiego rodzaju branże używają data science do marketingu, np. do budowania systemów rekomendacji i analizowania odejść klientów.
Tak, data science jest jednym z najszybciej rozwijających się sektorów w USA i na całym świecie. Jest to również jedna z najlepiej opłacanych karier. Według danych Payscale, doświadczeni data scientists zarabiają średnio 97 609 USD i mają ocenę satysfakcji czterech gwiazdek na pięć w USA.
Należy tu wziąć pod uwagę kilka kwestii. Po pierwsze, studia z zakresu data science są często wymagające, wymagając konsekwentnie wysokich ocen. Podobnie, wiele umiejętności wymaganych w data science wymaga dużo nauki i cierpliwości. Opanowanie wszystkich niezbędnych podstaw może zająć kilka miesięcy, a zdobycie stanowiska na poziomie podstawowym wymaga dużo praktycznego doświadczenia.
Tak, będziesz potrzebować doświadczenia w programowaniu w takich językach jak Python, R, SQL, Java czy C/C++. Jednak ze względu na stosunkowo prostą składnię Python jest często preferowanym wyborem wśród osób stawiających pierwsze kroki.
Dla osoby bez wcześniejszego doświadczenia w kodowaniu i/lub matematycznego przygotowania zazwyczaj zajmuje to 7 do 12 miesięcy intensywnych studiów, aby osiągnąć poziom data scientist na poziomie podstawowym. Jednak ważne jest, aby pamiętać, że nauka jedynie teoretycznych podstaw data science może nie uczynić cię prawdziwym data scientistem.
Gdy opanujesz podstawy data science, możesz specjalizować się w różnych obszarach – machine learning, sztuczna inteligencja, analiza big data, business intelligence i analityka, eksploracja danych i wiele innych.
Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.