Po ukończeniu tych kursów czuję się pewnie w tworzeniu profesjonalnych wizualizacji i pulpitów nawigacyjnych
Shoebur RahmanSpecjalista ds. zakupów, Giz Bangladesh
Opis kursu
Pracując z danymi zawierającymi wiele zmiennych, często chcemy zbadać zależności między nimi za pomocą statystyki wielowymiarowej. W tym kursie poznasz metody analizy takich zbiorów danych. Dowiesz się również o popularnych wielowymiarowych rozkładach prawdopodobieństwa – w tym o wielowymiarowym rozkładzie normalnym, wielowymiarowym rozkładzie t oraz wybranych rozkładach skośnych. Na koniec zapoznasz się z technikami reprezentowania danych wysokowymiarowych w mniejszej liczbie wymiarów, takimi jak analiza głównych składowych (PCA) i skalowanie wielowymiarowe (MDS).
Wymagania wstępne
Program nauczania
Plan kursu
1
Wczytywanie i wizualizacja danych wielowymiarowych
W tym wprowadzeniu do danych wielowymiarowych nauczysz się je wczytywać i podsumowywać. Poznasz statystyki opisowe dla danych wielowymiarowych, takie jak wektor średnich, macierz wariancji-kowariancji i macierz korelacji. Następnie zapoznasz się z technikami wizualizacji, które pomagają lepiej zrozumieć dane wielowymiarowe.
- Wczytywanie danych wielowymiarowych50 XP
- Wczytywanie danych wielowymiarowych za pomocą read.table100 XP
- Określanie typów danych dla kolumn100 XP
- Wektor średnich i macierz wariancji-kowariancji50 XP
- Obliczanie wektora średnich100 XP
- Obliczanie macierzy wariancji-kowariancji100 XP
- Obliczanie macierzy korelacji100 XP
- Wizualizacja danych wielowymiarowych50 XP
- Wykres par z użyciem grafiki bazowej i pakietu lattice100 XP
- Techniki wizualizacji 3D100 XP
2
Wielowymiarowy rozkład normalny
W tym rozdziale poznasz najważniejszy i najszerzej stosowany wielowymiarowy rozkład prawdopodobieństwa – wielowymiarowy rozkład normalny. Dowiesz się, jak generować z niego losowe próbki, jak obliczać i wizualizować gęstości oraz prawdopodobieństwa. Nauczysz się też testować, czy zbiór danych pochodzi z wielowymiarowego rozkładu normalnego.
3
Inne rozkłady wielowymiarowe
Ten rozdział wprowadza szereg rozkładów prawdopodobieństwa służących do modelowania danych odbiegających od normalności. Poznasz wielowymiarowe rozkłady t, które lepiej opisują dane z ciężkimi ogonami i stanowią uogólnienie jednozmiennego rozkładu t-Studenta. Zapoznasz się również z różnymi rozkładami skośnymi, zaprojektowanymi specjalnie do modelowania danych o skośności prawostronnej lub lewostronnej.
4
Analiza głównych składowych i skalowanie wielowymiarowe
W ostatnim rozdziale poznasz techniki analizy danych wysokowymiarowych – analizę głównych składowych (PCA) i skalowanie wielowymiarowe (MDS). Nauczysz się też stosować te metody w praktyce, analizując rzeczywiste dane.
R
Wielowymiarowe rozkłady prawdopodobieństwa w R
Kurs
ukończony
