Курс
Manipulating Time Series Data in R
- Средний уровеньУровень навыков
- 4.8+
- 290 отзывов
Master time series data manipulation in R, including importing, summarizing and subsetting, with zoo, lubridate and xts.
Обработка данных
Следите за короткими видео под руководством экспертов-инструкторов и практикуйте полученные знания с интерактивными упражнениями прямо в браузере.
или
Курс
Master time series data manipulation in R, including importing, summarizing and subsetting, with zoo, lubridate and xts.
Обработка данных
Курс
In this course you will learn how to predict future events using linear regression, generalized additive models, random forests, and xgboost.
Машинное обучение
Курс
Научитесь эффективно представлять данные: обзор распространённых диаграмм, альтернативных типов визуализации и улучшений стиля, основанных на восприятии.
Визуализация данных
Курс
Use RNA-Seq differential expression analysis to identify genes likely to be important for different diseases or conditions.
Теория вероятностей и статистика
Курс
Научитесь делать прогнозы на будущее с помощью прогнозирования временных рядов в R, включая модели ARIMA и методы экспоненциального сглаживания.
Теория вероятностей и статистика
Курс
Узнайте, что такое байесовский анализ данных, как он работает и почему это полезный инструмент в вашем наборе инструментов data science.
Теория вероятностей и статистика
Курс
This course provides an intro to clustering and dimensionality reduction in R from a machine learning perspective.
Машинное обучение
Курс
Исследуйте латентные переменные, такие как личность, с помощью разведочного и подтверждающего факторного анализа.
Теория вероятностей и статистика
Курс
Изучите основы разбора, обработки и вычислений с датами и временем в R.
Разработка программного обеспечения
Курс
Develop a strong intuition for how hierarchical and k-means clustering work and learn how to apply them to extract insights from your data.
Машинное обучение
Курс
Become an expert in fitting ARIMA (autoregressive integrated moving average) models to time series data using R.
Теория вероятностей и статистика
Курс
На этом курсе вы узнаете, как выполнять инференс с помощью линейных моделей.
Теория вероятностей и статистика
Курс
Изучите дизайн опросов с помощью распространённых структур и научитесь визуализировать и анализировать результаты опросов.
Теория вероятностей и статистика
Курс
Изучите типы в data modeling, включая prediction, и научитесь выполнять linear regression и оценку моделей в Tidyverse.
Теория вероятностей и статистика
Курс
Learn how to pull character strings apart, put them back together and use the stringr package.
Разработка программного обеспечения
Курс
Анализируйте текстовые данные в R с помощью tidy framework.
Обработка данных
Курс
Сделайте визуализацию, исследуйте и заполняйте пропуски с naniar — удобным для tidyverse подходом к пропущенным данным.
Подготовка данных
Курс
This course teaches the big ideas in machine learning like how to build and evaluate predictive models.
Машинное обучение
Курс
The Generalized Linear Model course expands your regression toolbox to include logistic and Poisson regression.
Теория вероятностей и статистика
Курс
Узнайте, как работают даты в R, и изучите if statements, loops и functions на финансовых примерах.
Прикладные финансы
Курс
Learn how to efficiently collect and download data from any website using R.
Подготовка данных
Курс
Learn to work with time-to-event data. The event may be death or finding a job after unemployment. Learn to estimate, visualize, and interpret survival models!
Теория вероятностей и статистика
Курс
Manage the complexity in your code using object-oriented programming with the S3 and R6 systems.
Разработка программного обеспечения
Курс
Используйте навыки обработки данных и визуализации, чтобы исследовать историческое голосование Генеральной Ассамблеи ООН.
Разведочный анализ данных
Курс
Научитесь анализировать и визуализировать сетевые данные с пакетом igraph и создавать интерактивные сетевые графики с threejs.
Теория вероятностей и статистика
Курс
Learn how to use tree-based models and ensembles to make classification and regression predictions with tidymodels.
Машинное обучение
Курс
Научитесь визуализировать временные ряды в R, затем потренируйтесь на кейсе по выбору акций.
Визуализация данных
Курс
Get ready to categorize! In this course, you will work with non-numerical data, such as job titles or survey responses, using the Tidyverse landscape.
Обработка данных
Курс
Узнайте, как получать финансовые данные из локальных файлов и из интернет-источников.
Прикладные финансы
Курс
Leverage tidyr and purrr packages in the tidyverse to generate, explore, and evaluate machine learning models.
Машинное обучение
Data Science — это область экспертизы, направленная на получение информации из данных. Используя навыки программирования, научные методы, алгоритмы и многое другое, специалисты по данным анализируют данные для получения практически применимых выводов.
Вам нужно будет освоить язык программирования, такой как Python или R, и принципы математики и статистики. Необходимы также знания методов анализа данных и инструментов Data Science. Изучать Data Science можно по-разному: помимо формального образования (степень или обучение в университете), существует множество ресурсов для самостоятельного обучения — онлайн-курсы, учебники, книги, видео и многое другое.
Помимо знания математики и статистики, специалистам по данным необходимы навыки программирования на таких языках, как Python и R.
В профессиональном отношении почти каждая отрасль может в той или иной мере использовать Data Science. Медицинские организации применяют его для выявления и лечения заболеваний, финансовые компании — для обнаружения и предотвращения мошенничества. Различные отрасли используют Data Science для маркетинга — создания рекомендательных систем и анализа оттока клиентов.
Да, Data Science — одна из самых быстрорастущих отраслей в США и во всём мире. Это также одна из наиболее высокооплачиваемых карьер. По данным Payscale, опытные специалисты по данным зарабатывают в среднем $97 609 и имеют рейтинг удовлетворённости 4 звезды из 5 в США.
Здесь стоит учесть несколько моментов. Во-первых, поступить на программу по Data Science непросто — часто это требует стабильно высоких оценок. Кроме того, многие навыки, необходимые для Data Science, требуют значительного времени и терпения. Освоение всех базовых основ может занять несколько месяцев, а для получения позиции начального уровня нужен и практический опыт.
Да, вам потребуется определённый опыт программирования на таких языках, как Python, R, SQL, Java и C/C++. Однако благодаря относительно простому синтаксису Python чаще всего является предпочтительным выбором для новичков.
Человеку без опыта программирования и/или математической подготовки обычно требуется от 7 до 12 месяцев интенсивного обучения, чтобы достичь уровня специалиста по данным начального уровня. Однако важно помнить, что знание только теоретических основ Data Science не делает вас настоящим специалистом.
Освоив основы Data Science, вы сможете специализироваться в различных областях — например, в машинном обучении, анализе данных, инженерии данных и других.
Успевайте в обучении на ходу с помощью наших мобильных курсов и ежедневных 5-минутных заданий по программированию.