ТОП-8 курсов по языку программирования R [2022]: обучение онлайн

Подборка бесплатных и платных обучающих онлайн-курсов по языку программирования R для начинающих с нуля и продвинутых.

Стоимость: Рассрочка на 12 месяцев – 2 987 ₽ / мес
  • Длительность – 4 месяца
  • Онлайн в удобное время
  • Обучение на практике
  • Доступ к курсу навсегда.

Кому подойдёт этот курс:

  • Аналитикам и исследователям без опыта программирования на R
    Научитесь программировать на R с нуля и автоматизируете свою работу. Сможете решать более сложные задачи и повысите свою ценность на рынке.
  • Аналитикам и исследователям, которые используют R в работе
    Систематизируете знания и изучите продвинутые функции R. Сможете тратить меньше времени на ежедневные рутинные задачи.
  • Тем, кто хочет работать в аналитике
    Освоите популярный инструмент для работы с данными и научитесь обрабатывать информацию с помощью языка R.
    Сделаете шаг к карьере в аналитике и обойдёте конкурентов уже на старте.

Чему вы научитесь:

  • Обрабатывать данные базовыми средствами R и с помощью библиотеки tidyverse
  • Выполнять разведывательный анализ данных в R
  • Создавать интерактивные графики с помощью библиотеки Plotly
  • Визуализировать данные с помощью библиотеки ggplot2
  • Анализировать линейные регрессионные модели и представлять результаты
  • Создавать интерактивные аналитические панели с помощью библиотеки Shiny.

Содержание курса:

Онлайн-лекции и практические задания с подробным разбором.
17 тематических модулей, 72 онлайн-урока

Язык программирования R

  1. Знакомство с языком R и базовые операции
    Установите R и RStudio — среду для разработки на R — и познакомитесь с её интерфейсом. Узнаете, как создавать файлы R и Rmarkdown, начнёте изучать синтаксис языка и познакомитесь с понятием вектора в R.
  2. Типы и структуры данных
    Изучите типы данных в R и научитесь преобразовывать данные из одного типа в другой. Разберёте структуры данных в R: векторы, матрицы, датафреймы и списки. Узнаете, как с ними работать.
  3. Управляющие конструкции
    Научитесь использовать условную конструкцию if-else, проверять условия, работать с циклами и функциями.

Обработка данных. Библиотека tidyverse

  1. Чтение и запись файлов в R
    Узнаете, как работать с файлами в рабочей папке, читать и записывать файлы форматов csv, txt и Excel.
  2. Обработка данных базовыми средствами R
    Научитесь использовать датафреймы и работать с данными с помощью базовых средств R. Узнаете, как выводить описание датафрейма, работать со строками и столбцами.
  3. Обработка данных с библиотекой tidyverse: часть 1
    Познакомитесь с библиотекой tidyverse и её возможностями. Разберёте особенности синтаксиса tidyverse и изучите работу с разными функциями. Узнаете, как группировать и агрегировать данные, выгружать сводную информацию с помощью библиотеки stargazer.
  4. Обработка данных с библиотекой tidyverse: часть 2
    Научитесь трансформировать структуру данных и объединять таблицы.
  5. Работа с пропущенными значениями в R
    Научитесь выполнять поиск и подсчёт пропущенных значений и искать в них закономерности. Поймёте, как визуализировать пропущенные значения с помощью библиотек mice и VIM и заполнять пропуски средствами tidyverse.
  6. Работа с порядковыми и категориальными данными в R
    Изучите шкалы данных: числовую, порядковую и категориальную. Разберёте особенности факторных данных в R и операции с ними. Научитесь работать с категориальными данными с forcats.

Визуализация данных

  1. Визуализация данных в R
    Научитесь строить простейшие графики базовыми средствами R — гистограмму, диаграмму рассеяния и линейный график. Узнаете, как их настраивать и выгружать в файл.
  2. Визуализация данных с библиотекой ggplot2
    Узнаете, как строить графики с библиотекой ggplot2. Научитесь работать с одномерными, двумерными и нечисловыми данными и группировать данные на графиках.

Статистический анализ данных в R

  1. Разведывательный анализ данных в R
    Познакомитесь с описательными статистиками в R. Научитесь пользоваться библиотекой psych и искать нетипичные значения. Изучите коэффициенты корреляции Пирсона и Спирмена и поймёте, как их применять. Узнаете о понятии корреляционных матриц, сможете их визуализировать и выгружать в отчёт.
  2. A/B-тесты: выборочное оценивание
    Узнаете, как ставить задачи и выбирать дизайн для A/B-тестирования. Научитесь проводить выборочное оценивание, выявлять проблемы в выборке и вычислять её объём с учётом погрешности и уровня доверия к данным. Сможете рассчитывать и анализировать доверительные интервалы в A/B тестировании.
  3. A/B-тесты: проверка статистических гипотез
    Научитесь проверять статистические гипотезы с помощью тестов и разберёте возможные ошибки при проверке. Узнаете, как сравнивать доли и средние в A/B-тестировании, и изучите алгоритм запуска A/B-теста.
  4. Поиск взаимосвязей в данных в R
    Научитесь выделять взаимосвязи в количественных и категориальных данных. Изучите простую линейную регрессию. Узнаете, как работать с регрессионной моделью, проверять её качество, выгружать результаты и включать их в отчёт Rmarkdown.

Продвинутая визуализация и представление результатов анализа

  1. Интерактивные графики с библиотекой Plotly
    Познакомитесь с проектом Plotly, разберёте его возможности, особенности синтаксиса и функции. Научитесь строить интерактивные графики Plotly в 2D и 3D и публиковать результаты на RPubs.
  2. Аналитические панели в R: фреймворк Shiny
    Изучите проект Shiny, его возможности и устройство кода. Установите библиотеку Shiny, научитесь редактировать шаблонное приложение, добавлять на дэшборд меню, строки датафрейма и элементы интерфейса.

Дипломный проект

  1. Обработка и анализ социально-экономических данных
    Вы выгрузите данные из разных файлов, соберёте их в единый датафрейм и обработаете его. Проведёте разведывательный анализ, построите регрессионные модели и графики, а затем представите результаты и интерпретацию в отчёте.
Стоимость: 18 900 ₽ или рассрочка на 10 месяцев – 1 890 ₽ / мес

Чему вы научитесь:

  • Собирать данные
    Из большинства аналитических систем
  • Преобразовывать Rскрипты
    Для переработки получаемых данных в зависимости от задач
  • Анализировать процессы
    С помощью скриптов и показывать результаты на графиках.

Программа:

  1. Базовые принципы программирования на R
    Рассмотрим базовые возможности языка R, научимся настраивать R-Studio и начнём использовать для простых операций.
  • R и R-Studio
  • Переменные их типы
  • Объявление переменных в R
  • Арифметические операции
  • Логические переменные и операции
  • Ветвление
  • Циклы.
  1. Отличия R от традиционного программирования
    Познакомимся с векторами и техниками программирования в R.
  • Понятие вектора, векторные операции
  • Использование функций
  • Обзор основных функций и пакетов R.
  1. Работа с наборами данных
    Научимся импортировать данные в R, познакомимся с фреймами данных, освоим базовые операции (просмотр, обращение к данным, преобразование, соединение, фильтрация). Разберём этапы анализа данных. Узнаем, какой workflow есть при анализе данных и какие действия нужно выполнить.
  • DataFrame — что это и для чего
  • Импорт DataFrame в R
  • Простейшее исследование DataFrame
  • Доступ к переменным DataFrame (знак $)
  • Базовые операции с DataFrame
  • Фильтрация DataFrame
  • Использование библиотеки dplyr для объединения Data Frames
  • Тип данных «список» (list): что это такое, для чего и как с ним работать.
  1. Визуализация в R
    Познакомимся со способами визуализации данных в R, научимся применять визуализацию в зависимости от данных, интерпретировать графики. Научимся оценивать распределение, описательные статистики для двух и более переменных, узнаем о корреляции и регрессии.
  • Базовый шаблон ggplot
  • Построение точечной и линейной диаграмм и их параметризация
  • Исследование числовых данных с помощью гистограммы и boxplot
  • Исследование категориальных переменных на столбчатых диаграммах. Нормирование
  • Дополнительные приёмы при исследовании данных на графиках: jitter, география
  • Какие типы диаграмм для каких данных использовать и другие правила хорошего тона при визуализации.
  1. Этапы анализа данных. Подготовка и очистка данных
    Научимся работать с данными разного формата, а также «очищать» данные — придавать некачественным данным пригодный для анализа вид.
  • Некачественные данные: как заполнить отсутствующие значения
  • Изменение формата данных: когда данные поступают не в пригодном для анализа формате. Функции spread, gather, separate. Конвертация между типами
  • Работа с датами и временем
  • Работа со строками и библиотекой stringr
  • Основы регулярных выражений в R: как их использовать эффективно и не сломать голову.
  1. Основы моделирования в R
    Узнать про основные модели прогнозирования, познакомимся с линейной регрессией и научимся её построению, оценке и использованию.
  • Подготовка данных для моделирования. Стандартизация, нормирование, проверка гипотез о нормальном распределении
  • Модели прогнозирования. Линейная регрессия
  • Определение линейной регрессии
  • Построение модели линейной регрессии в R
  • Оценка модели линейной регрессии
  • Кластеризация. Метод К-средних.
  1. Предоставление результатов анализа. Продвинутая визуализация
    Познакомимся с продвинутыми способами визуализации данных в R и предоставления результатов анализа данных бизнесу.
  • Картография с помощью библиотеки leaflet
  • Таблицы и сводные таблицы: библиотеки DT и rpivotTable
  • Возможности библиотеки Plotly для визуализации, использование ggplotly
  • Как представлять результаты своей работы
  • Что такое веб-приложения Shiny и какие возможности в них есть
  • Архитектура веб-приложения: UI-функция, серверная функция, файл Global
  • Базовые UI-элементы Shiny.
  1. Разработка аналитических веб-приложений в R (Shiny)
    Научимся реализовывать удобный интерфейс для работы с аналитикой в R для бизнес-пользователя.
  • Изучаем шаблон дашборда shinydashboard для создания интерфейса приложения
  • Изучаем реактивность и возможность её ограничивать функцией isolate()
  • Обзор базовых элементов управления и кейсов их использования
  • Дополнительные способы визуализации в приложении: встраиваем графики ggplot, таблицы, карты.
  1. Дипломный проект
    В рамках дипломного проекта вы будете использовать язык R для улучшения работы интернет-магазина или создадите приложения для моделирования доходности личных накоплений. Вы самостоятельно изучите и подготовите данные для анализа в R, построите предиктивную модель и преобразуете её в удобный и читаемый вид.
    Дипломная работа выполняется самостоятельно под руководством эксперта курса и позволяет закрепить весь спектр знаний и навыков, полученных на программе.

Вашу квалификацию подтвердят документы установленного образца.

Стоимость: нет информации

Курс знакомит слушателей с основами программирования на языке R, а также позволяет разобраться во всех этапах анализа данных.
В ходе курса на примере задач теоретической и компьютерной лингвистики будут рассмотрены математические основы методов статистического анализа.
Курс рассчитан на студентов-лингвистов, однако не предполагает никаких предварительных знаний по лингвистике, программированию и математике.

Программа:

  1. Введение в R: основные элементы, функции, циклы
  2. Продвинутая обработка данных: пакеты tidyr и dplyr
  3. Работа со строками: строки в R, регулярные выражения
  4. Визуализация данных: base R vs. ggplot2
  5. Интерактивная визуализация: rmarkdown, plotly, lingtypology
  6. Работа с текстами: пакет tidytext
  7. Введение в статистику: основы фриквентисткой статистики, формулировка гипотез
  8. Корреляция и линейная регрессия
  9. Кластеризация
  10. Логистическая регрессия.

Результаты обучения:
Готовность использовать основные законы научных дисциплин в профессиональной деятельности, применять методы математического анализа и моделирования, теоретического и экспериментального исследования в лингвистике.

По окончании обучения выдаётся сертификат.

Стоимость: 19 990 ₽ – 34 990 ₽

Курс поможет автоматизировать большую часть повседневной, рутинной работы интернет-маркетологов и веб-аналитиков с помощью скриптов, написанных на языке программирования R.

Целевая аудитория курса — интернет-маркетологи и веб-аналитики, которые ежедневно работают с такими сервисами, как Яндекс Директ, Google Ads, Google Analytics, Яндекс Метрика и т.д.

Вы научитесь:

  • Собирать данные из большинства популярных рекламных и веб-аналитических систем
  • Преобразовывать данные с помощью R-скриптов
  • Работать с клиент-серверными, облачными и локальными базами данных на языке R
  • Разрабатывать скрипты, которые будут осуществлять рассылку писем, а также создавать наглядные графики.

Программа курса:

1 модуль. Введение в R

  • История, возможности, преимущества и недостатки языка R.
  • Загрузка и установка языка R и среды разработки RStudio.
  • Области применения R скриптовв Power BI.
  • Знакомство со средой разработки RStudio.
  • Условные конструкции, Циклы и функции в R
  • Основные классы объектов в R.
  • Работа со строками в R.
  • Манипуляция с данными в R, пакеты dplyr, data.table, tidyr, sqldf.
  • Работа с датами и временем в R, пакет lubridate.
  • Рекомендации по оформлению кода и обработка ошибок.

2 модуль. Загрузка данных в Power BI из API рекламных площадок и парсинг веб-сайтов с помощью языка R

  • Что такое API.
  • Загрузка данных из Google AdWords.
  • Загрузка данных из Яндекс Директ.
  • Загрузка данных из Facebook.
  • Загрузка данных из Вконтакте.
  • Загрузка данных из MyTarget
  • Загрузка данных из Google Analytics.
  • Загрузка данных из API Яндекс Метрики.
  • Загрузка данных из
  • SearchConsoleи Google Trends.
  • Работа с API Youtube.
  • Парсинг сайтов с помощью пакета rvest.
  • Отправка HTTP запросов из R, пакет httr.

3 модуль. Работа с данными загруженными из API рекламных систем и парсинга сайтов

  • Работа с Google Таблицами из R.
  • Визуализация данных с помощью пакета ggplot2.
  • Отправка и чтение данных из СУБД (MySQL, PostgreSQL, SQLite, Google BigQuery)
  • Отправка почты с помощью пакета mailR.
  • Настройка запуска скриптов по расписанию, пакет taskscheduleR.
  • Создание телеграм ботов на языке R.

Электронный сертификат по окончании курса.

Стоимость: 17 950 ₽ – 37 800 ₽

Цель курса – дать слушателям знания, которые помогут овладеть базовыми навыками анализа и визуализации данных в среде R.
Курс предназначен для
широкого круга специалистов, которым необходимо искать закономерности в большом количестве данных, визуализировать их и строить статистически корректные выводы.

Вы научитесь:

  • работать в среде RStudio;
  • разбираться в типах данных языка R;
  • использовать ветвление и циклы;
  • создавать и вызывать функции на R;
  • работать с векторами, списками, массивами и таблицами;
  • использовать формулы и факторы;
  • настраивать атрибуты объектов;
  • использовать наследование и полиморфизм;
  • обрабатывать ошибки, возникающие в программе;
  • использовать трассировку кода;
  • научитесь пользоваться отладчиком;
  • работать с текстами и датой/временем;
  • использовать стандартные распределения и базовую визуализацию данных.

Программа курса:

36 ак. часов

Модуль 1. Знакомство с языком R и со средой разработки (2 ак. ч.)

  1. Основные особенности языка R
  2. Библиотеки языка R
  3. Интерфейс среды разработки RStudio
  4. Практика: Конфигурирование RStudio, загрузка и подключение библиотек, и работа со справочной системой

Модуль 2. Типы данных в R и работа с ними (4 ак. ч.)

  1. Понимание системы типов R. Всё есть объект
  2. Вектора, списки, матрицы и, массивы
  3. Практика: Элементарная статистика из базовой библиотеке R
  4. Формулы и функции в R
  5. Практика: Написание и вызов простейших функций. Файлы скриптов и их подключение
  6. Атрибуты объектов
  7. Вспомогательные и специальные составные объекты
  8. Практика: Работа с объектом Data frame, использование библиотеки dplyr

Модуль 3. Написание выражений и команд в R (4 ак. ч.)

  1. Символы, константы и операции языка R
  2. Практика: Создание своих операций
  3. Условное выполнение кода (if…else)
  4. Циклы for, while и repeat
  5. Практика: Нахождение минимума и максимума при наличии пропущенных данных (NA)
  6. Взаимодействие с другими языками программирования
  7. Практика: Вызов написанной на Си функции
  8. ДЗ: найти локальные экстремумы функции (x3+2×2-3) /(x2+2) на отрезке [-2;2]

Модуль 4. Написание функций в R (4 ак. ч.)

  1. Аргументы функций и сопоставление аргументов
  2. Область видимости объектов
  3. Понятие окружения (Environment)
  4. Замыкание и анонимные функции
  5. Возвращаемое значение функции
  6. Практика: Написание и вызов функций для вычисления характеристик объектов (минимум/максимум, среднее и т.д.)

Модуль 5. Объектно-ориентированное программирование (4 ак. ч.)

  1. Класс объекта
  2. Наследование в R
  3. Диспетчеризация вызовов функций/методов
  4. UseMethod()
  5. NextMethod()
  6. Практика: Написание и вызов полиморфных функций для вычисления характеристик объектов (минимум/максимум, среднее и т.д.)
  7. ДЗ: написать функцию сортировки векторов, матриц и массивов с возможностью выбора алгоритма сортировки

Модуль 6. Исключения и отладка в R (3 ак. ч.)

  1. Генерация исключений/ошибок в R
  2. Перехват и обработка исключений/ошибок
  3. Конфигурирование обработка исключений/ошибок
  4. Отладка кода и функций
  5. Трассировка кода
  6. Практика: Поиск, исправление и/или игнорирование ошибок в R программах

Модуль 7. Полезные функции из базовой библиотеки языка R (3 ак. ч.)

  1. Работа с датой и временем
  2. Обработка текстов/строк
  3. Регулярные выражения
  4. Использование стандартных распределений
  5. Визуализация графиков функций
  6. Практика: Графическая проверка нормальности распределения
  7. ДЗ: Проверка гипотез нормальности распределения с использованием различных критериев, гистограмма и построение её огибающей, диаграмма квантиль-квантиль.
Стоимость: бесплатно

Курс познакомит слушателей с языком R, основными структурами данных и семантическими правилами. Мы также рассмотрим несколько углублённых тем, которые помогут овладеть принципами написания эффективного кода.

Программа курса:

Модуль 1: базовые структуры и понятия

  • Введение в курс
  • Переменные, глобальное окружение, справка
  • Векторы (часть 1)
  • Управляющие конструкции, работа с пакетами
  • Векторы (часть 2)

Модуль 2: продвинутые структуры

  • Матрицы и списки
  • Дата фреймы
  • Факторы и строки

Модуль 3: продвинутое программирование

  • Функции
  • Элементы функционального программирования
  • Обработка данных при помощи dplyr
  • Заключение: что дальше?

По окончании обучения выдаётся сертификат.

Научитесь использовать различные пакеты для управления, визуализации данными и других задач, извлекать и передавать данные в среду R, решать проблемы бизнеса в процессе обучения, создавать циклы, переменные, инструкции и т.д.

Содержание:

  1. Введение в R
  2. Введение в R-программирование
  3. Ввод и вывод данных
  4. Настройка порядка выполнения
  5. Основные концепты R программирования
  6. Матричная конструкция в R
  7. Таблица данных R
  8. Применение новой функции над списком или вектором
  9. Управление данными в Dplyr
  10. Визуализация данных в R с помощью ggplot2
  11. Введение в машинное обучение
  12. Заключение R.
Стоимость: нет информации

Девятидневный практический курс, на котором вы не только научитесь статистике, но и поймете её.
Научим не только получать в программе p-value, но и считать и понимать мощность теста, размер эффекта и другие параметры.
В конце курса вы самостоятельно выполните и презентуете проект. Можно прийти со своим проектом, можно выбрать из предложенных.

Программа:

Первый день: основы R

  • Презентация плана программы: краткий overview
  • Введение в R и RStudio
  • R как калькулятор
  • Операторы, функции
  • Типы данных
  • Вектора, матрицы, списки, датафреймы

Второй день: препроцессинг данных в R, введение в tidyverse

  • Импорт данных
  • Работа с “проектами” RStudio
  • Препроцессинг данных базовыми средствами R
  • Условные конструкции в R
  • Создание функций
  • Циклы и семейство функций apply
  • Работа с пакетами
  • Пакеты data.table и tidyverse
  • Основы tidyverse: readr, tibble, magrittr
  • Базовые операции с данными в tidyverse: выбор строк и колонок, создание колонок
  • Агрегирование данных в dplyr

Третий день: продвинутый препроцессинг данных в tidyverse, описательная статистика

  • Концепция Tidy Data. Широкие и длинные таблицы, tidyr
  • Работа с реляционными данными в tidyverse
  • Функциональное программирование в purrr
  • Описательная статистика (центральные тенденции, меры разброса, ассиметрия, эксцесс, функции и пакеты для описательной статистики)

Четвертый день: визуализация в пакете ggplot2, введение в статистику вывода

  • Визуализация в R: базовые средства визуализации
  • Layered Grammar of Graphics и ggplot2
  • Средства динамической визуализации в R: HTML-виджеты
  • Самостоятельное упражнение на визуализацию
  • Уровень значимости. Ошибки I и II рода— Выборка и генеральная совокупность
  • Виды распределений, параметры распределений
  • Нормальное распределение. Функции распределений в R
  • Оценка параметров, точечные и интервальные оценки, доверительный интервал
  • Проверка гипотез. Нулевая и альтернативная гипотеза, p-value

Пятый день: основные статистические тесты, практика анализа данных

  • z-критерий и t-критерий
  • Понятия уровня значимости и статистической мощности
  • Оценка статистической мощности, размера эффекта и размера выборки в R
  • Практика анализа данных, препроцессинг рабочих датасетов для девятого дня

Шестой день: практика анализа данных, основные статистические тесты (продолжение)

  • Непараметрические методы
  • Обзор задач и методов в статистике. Как выбрать метод для анализа данных
  • Дисперсионный анализ (ANOVA) и его разновидности
  • Корреляция, коэффициенты корреляции

Седьмой день: Общая линейная модель

  • Линейная регрессионная модель
  • Допущения линейной модели. “Остатки”, МНКи goodness-of-fit
  • Множественная линейная регрессия и общая линейная модель (general linear model)

Восьмой день: Обобщения линейной модели, многомерные методы

  • Логистическая регрессия. Обобщенная линейная регрессия (generalized linear model)
  • Смешанная линейная модель (Linear mixed effects models)
  • Другие многомерные методы: кластерный анализ, MDS и PCA

Девятый день: самостоятельный проект.

Насколько публикация полезна?

Нажмите на звезду, чтобы оценить!

Средняя оценка 5 / 5. Количество оценок: 2

Оценок пока нет. Поставьте оценку первым.

Автор статьи. Ответственный за актуальный контент, текст и редактуру сайта. Эксперт по выбору профессии, курсов и профессий с 2016 года. Делюсь личным практическим опытом.

Оцените автора
Добавить комментарий