Kurs
Manipulating Time Series Data in R
- MedelnivåKunskapsnivå
- 4.8+
- 290 recensioner
Master time series data manipulation in R, including importing, summarizing and subsetting, with zoo, lubridate and xts.
Datamanipulation
Följ korta videor med expertinstruktörer och öva sedan på det du lärt dig med interaktiva övningar i webbläsaren.
eller
Kurs
Master time series data manipulation in R, including importing, summarizing and subsetting, with zoo, lubridate and xts.
Datamanipulation
Kurs
I den här kursen lär du dig att förutsäga framtida händelser med linjär regression, generaliserade additiva modeller, random forests och xgboost.
Maskininlärning
Kurs
Lär dig att effektivt förmedla dina data med en översikt över vanliga diagram, alternativa visualiseringstyper och perceptionsdrivna stilförbättringar.
Datavisualisering
Kurs
Använd RNA-Seq differential expression analysis för att identifiera gener som sannolikt är viktiga för olika sjukdomar eller tillstånd.
Sannolikhet och statistik
Kurs
Lär dig göra prognoser om framtiden med tidsserieprognoser i R, inklusive ARIMA-modeller och exponentiella utjämningsmetoder.
Sannolikhet och statistik
Kurs
Lär dig vad bayesiansk dataanalys är, hur den fungerar och varför det är ett användbart verktyg i din data science-verktygslåda.
Sannolikhet och statistik
Kurs
Den här kursen ger en introduktion till klustring och dimensionsreduktion i R ur ett maskininlärningsperspektiv.
Maskininlärning
Kurs
Utforska latenta variabler, som personlighet, med explorativ och konfirmatorisk faktoranalys.
Sannolikhet och statistik
Kurs
Lär dig grunderna i att tolka, manipulera och beräkna med datum och tider i R.
Programvaruutveckling
Kurs
Utveckla en stark intuition för hur hierarkisk klustring och k-means-klustring fungerar och lär dig använda dem för att utvinna insikter ur dina data.
Maskininlärning
Kurs
Bli expert på att anpassa ARIMA-modeller (autoregressiva integrerade glidande medelvärden) till tidsseriedata med R.
Sannolikhet och statistik
Kurs
I den här kursen lär du dig att göra inferens med linjära modeller.
Sannolikhet och statistik
Kurs
Lär dig enkätdesign med vanliga designstrukturer och visualisera samt analysera enkätresultat.
Sannolikhet och statistik
Kurs
Upptäck olika typer i datamodellering, inklusive för prediktion, och lär dig att genomföra linjär regression och modellbedömningsmått i Tidyverse.
Sannolikhet och statistik
Kurs
Learn how to pull character strings apart, put them back together and use the stringr package.
Programvaruutveckling
Kurs
Analysera textdata i R med tidy-ramverket.
Datamanipulation
Kurs
Gör det enkelt att visualisera, utforska och imputera saknade data med naniar, ett tidyverse-vänligt sätt att hantera saknade data.
Dataförberedelse
Kurs
Den här kursen lär ut de stora idéerna inom maskininlärning, som hur man bygger och utvärderar prediktiva modeller.
Maskininlärning
Kurs
The Generalized Linear Model course expands your regression toolbox to include logistic and Poisson regression.
Sannolikhet och statistik
Kurs
Lär dig hur datum fungerar i R och utforska if-satser, loopar och funktioner med finansiella exempel.
Tillämpad ekonomi
Kurs
Lär dig hur du effektivt samlar in och laddar ner data från vilken webbplats som helst med R.
Dataförberedelse
Kurs
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!
Sannolikhet och statistik
Kurs
Hantera komplexiteten i din kod med objektorienterad programmering med S3- och R6-systemen.
Programvaruutveckling
Kurs
Använd färdigheter i datamanipulering och visualisering för att utforska historiska omröstningar i FN:s generalförsamling.
Explorativ dataanalys
Kurs
Lär dig analysera och visualisera nätverksdata med paketet igraph och skapa interaktiva nätverksdiagram med threejs.
Sannolikhet och statistik
Kurs
Lär dig använda trädmodeller och ensembler för att göra klassificerings- och regressionsprediktioner med tidymodels.
Maskininlärning
Kurs
Lär dig visualisera tidsserier i R och öva sedan med en fallstudie om aktieurval.
Datavisualisering
Kurs
Gör dig redo att kategorisera! I den här kursen arbetar du med icke-numeriska data, som jobbtitlar eller enkätsvar, med Tidyverse-landskapet.
Datamanipulation
Kurs
Learn how to access financial data from local files as well as from internet sources.
Tillämpad ekonomi
Kurs
Använd paketen tidyr och purrr i tidyverse för att generera, utforska och utvärdera maskininlärningsmodeller.
Maskininlärning
Datavetenskap är ett expertområde som fokuserar på att utvinna insikter ur data. Med hjälp av programmeringskunskaper, vetenskapliga metoder, algoritmer och mer analyserar datavetare data för att skapa handlingsbara insikter.
Du behöver lära dig ett programmeringsspråk som Python eller R och behärska grunderna inom matematik och statistik. Kunskap om dataanalysmetoder och datavetenskap-verktyg är också viktigt. Det finns många sätt att lära sig datavetenskap. Utöver formell utbildning som examen eller universitetsstudier finns det gott om andra resurser som låter dig lära i din egen takt – bland annat onlinekurser, handledningar, böcker och videor.
Utöver kunskaper i matematik och statistik behöver datavetare programmeringskunskaper i språk som Python, R och SQL. Dessutom kräver datavetenskap förmågan att arbeta med stora datamängder, kunskaper om datavisualisering, datarensning och databashantering. Kunskaper inom maskininlärning och djupinlärning kan också vara värdefulla.
I yrkeslivet kan nästan alla branscher dra nytta av datavetenskap i någon utsträckning. Vårdorganisationer använder datavetenskap för att diagnostisera och behandla sjukdomar, medan finansbolag använder det för att upptäcka och förhindra bedrägerier. Alla typer av branscher använder datavetenskap inom marknadsföring – till exempel för att bygga rekommendationssystem och analysera kundbortfall.
Ja, datavetenskap är ett av de snabbast växande områdena i USA och globalt – och ett av de bäst betalda yrkena. Enligt data från Payscale tjänar erfarna datavetare i genomsnitt 97 609 USD och får betyget fyra av fem stjärnor i USA.
Det finns några saker att tänka på. Dels kan det vara svårt att komma in på datavetenskapsprogram, som ofta kräver konstant höga betyg. På samma sätt kräver många av de färdigheter som behövs för datavetenskap mycket studier och tålamod. Det kan ta flera månader att bemästra alla grundläggande kunskaper, och dessutom krävs det en hel del praktisk erfarenhet för att säkra en nybörjartjänst.
Ja, du behöver viss erfarenhet av programmering i språk som Python, R, SQL, Java och C/C++. Tack vare sin relativt enkla syntax är Python dock ofta det föredragna valet för nybörjare.
För en person utan tidigare kodningserfarenhet och/eller matematisk bakgrund kan det vanligtvis ta 7 till 12 månaders intensiva studier för att nå nivån som junior datavetare. Det är dock viktigt att komma ihåg att enbart lära sig den teoretiska grunden i datavetenskap kanske inte gör dig till en riktig datavetare.
När du har bemästrat grunderna i datavetenskap kan du specialisera dig inom en rad områden, till exempel maskininlärning, artificiell intelligens, stordataanalys, affärsanalys och business intelligence, datautvinning med mera.
Gör framsteg när du är på språng med våra mobila kurser och dagliga 5-minuters kodningsutmaningar.