ข้ามไปยังเนื้อหาหลัก

Courses

R For SAS Users

พื้นฐานระดับทักษะ

อัปเดตแล้ว 08/2567

Learn how to translate your SAS knowledge into R and analyze data using this free and powerful software language.

เริ่มเรียนหลักสูตรฟรี

RProgramming

4 ชม.

15 videos

56 Exercises

4,700 เอ็กซ์พี

4,497

คำแถลงแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

เป็นที่ชื่นชอบของผู้เรียนในบริษัทหลายพันแห่ง

Training a Team?

Try for Business

คำอธิบายรายวิชา

If you have experience with SAS and want to learn R, this is the course for you. R is FREE (cost) and OPEN (license) and is one of the fastest growing software languages for statistics and data science. This course is a gentle introduction to the R language with every chapter providing a detailed mapping of R functions to SAS procedures highlighting similarities and differences. You will orient yourself in the R environment and discover how to wrangle, visualize, and model data plus customize your output for final presentation. Throughout the course, you will follow a consistent workflow of data quality checking and cleaning, exploring relationships, modeling, and presenting results. You will leave this course with coded examples that provide a template to use immediately with a dataset of your own.

ข้อกำหนดเบื้องต้น

หลักสูตรนี้ไม่มีข้อกำหนดเบื้องต้นใดๆ

1

Getting Started with R

This first chapter will get you oriented into the R programming environment. You'll learn how to get help, load a dataset, and increase functionality by adding packages. You'll begin working with the abalone dataset (through the dplyr package workflow) to get descriptive statistics and create helpful visualizations (using the ggplot2 package).

Get help and load data in R

50 เอ็กซ์พี

Getting help

50 เอ็กซ์พี

Load dataset and get details

100 เอ็กซ์พี

Add functionality with packages

100 เอ็กซ์พี

Dataset contents and descriptive statistics

50 เอ็กซ์พี

Load external dataset

100 เอ็กซ์พี

Dataset contents

100 เอ็กซ์พี

Descriptive statistics

100 เอ็กซ์พี

Graphical visualizations

50 เอ็กซ์พี

100 เอ็กซ์พี

Boxplots and violin plots

100 เอ็กซ์พี

Scatterplots

100 เอ็กซ์พี

เริ่มบท

2

Data Wrangling

Now that you are oriented in the R environment, this chapter will advance your understanding of R's versatility working with data objects. You'll learn how to create and modify variables in the abalone data set. Using your ggplot2 visualization skills, you will discover the data errors in the abalone data and then create a final cleaned data set ready for analysis and modeling.

Objects - the building blocks of R

50 เอ็กซ์พี

Create data objects in R

100 เอ็กซ์พี

Create composite object types

100 เอ็กซ์พี

Selecting elements from objects

50 เอ็กซ์พี

Determine variable types

50 เอ็กซ์พี

Select elements in objects

100 เอ็กซ์พี

Manipulating datasets and data objects

50 เอ็กซ์พี

Create new variables

100 เอ็กซ์พี

Recode variables

100 เอ็กซ์พี

Object type conversion

100 เอ็กซ์พี

Data quality and cleaning

50 เอ็กซ์พี

Variables inspection

100 เอ็กซ์พี

Illogical weights

100 เอ็กซ์พี

Check dimension measurements

100 เอ็กซ์พี

Check final dataset

100 เอ็กซ์พี

เริ่มบท

3

Data Exploration

Once your data set has been cleaned, the next step is exploration. In chapter 3 you will learn how to compute descriptive statistics, explore associations (e.g., correlations) among the variables, and perform bi-variate statistical tests (e.g., t-tests and chi-square tests). You will also create graphical visualizations which illustrate the bi-variate associations and group comparison tests.

Exploratory data analysis

50 เอ็กซ์พี

Descriptive statistics and function masking

100 เอ็กซ์พี

Specific statistics for one or more variables

100 เอ็กซ์พี

Summary statistics by group

100 เอ็กซ์พี

Correlations and t-tests

50 เอ็กซ์พี

Bivariate correlations

100 เอ็กซ์พี

Scatterplots

100 เอ็กซ์พี

Correlations by sex

50 เอ็กซ์พี

Tests for two groups

100 เอ็กซ์พี

Categorical data: analyze and visualize

50 เอ็กซ์พี

Chi-square tests

100 เอ็กซ์พี

Mosaic plots

100 เอ็กซ์พี

Age categories by shellweight categories

100 เอ็กซ์พี

เริ่มบท

4

Models and Presentation

In this final chapter, you will learn how to work with one of the most versatile data object types in R called a list. These skills will enable you to save and manipulate your output from descriptive statistics, associations, and group comparison computations. You will also learn how to perform ANOVA (analysis of variance) and linear regression in R. All your skills are put to use in the final exercises to create the best models for predicting abalone ages from their sex, size, and weight measurements.

Working with output objects

50 เอ็กซ์พี

Descriptive statistics output

100 เอ็กซ์พี

Summarise output

100 เอ็กซ์พี

Group_by output

100 เอ็กซ์พี

Working with lists

50 เอ็กซ์พี

Hmisc describe output

100 เอ็กซ์พี

Correlations output

100 เอ็กซ์พี

t-tests output

100 เอ็กซ์พี

Chi-square tests output

100 เอ็กซ์พี

ANOVA and linear models

50 เอ็กซ์พี

100 เอ็กซ์พี

Linear regression

100 เอ็กซ์พี

Final models evaluation

50 เอ็กซ์พี

Abalone age predictors

100 เอ็กซ์พี

Best model by sex

100 เอ็กซ์พี

Course summary and recommendations

50 เอ็กซ์พี

เริ่มบท

R For SAS Users

หลักสูตรเสร็จสมบูรณ์

ได้รับใบรับรองความสำเร็จ

เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, ประวัติย่อ หรือเรซูเม่ของคุณ
แชร์ลงในโซเชียลมีเดียและในรายงานประเมินผลการปฏิบัติงานของคุณลงทะเบียนเลย

เข้าร่วมกับ... 19 ล้านผู้เรียน และเริ่ม R For SAS Users วันนี้เลย!

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา