Data Analyse met R

Inleiding tot de cursus Data Analyse met R

De cursus Data Analyse met R biedt een uitgebreide introductie in de wereld van data-analyse met de programmeertaal R. We beginnen met de installatie van R en de R Studio ontwikkelomgeving. Vervolgens bespreken we de basis syntax van R en de installatie van R packages, zodat u goed voorbereid bent om aan de slag te gaan.

Plotten met R

U leert hoe u met het ggplot2 package door middel van grafieken snel inzicht kunt krijgen in uw data. Hierbij komen verschillende plot types, themes en layouts aan de orde, wat u helpt om uw analyses visueel aantrekkelijk te presenteren.

Datatransformaties in R

Een belangrijk onderdeel van de cursus is het werken met het dplyr package. Hiermee leert u veel voorkomende datatransformatieproblemen op te lossen, zoals filteren, sorteren, sommeren en groeperen, zodat u uw data effectief kunt manipuleren.

Data Cleaning en Presentatie

In de cursus Data Analyse met R besteden we ook aandacht aan het presenteren van data met het rmarkdown package. U leert hoe u ruwe data netjes kunt structureren met behulp van het tidyr package, waarbij kolommen variabelen en rijen observaties worden.

Tijd en Datums verwerken

In veel datasets komen tijdreeksen voor. We behandelen de verwerking hiervan met het lubridate package, dat beschikt over vele handige functies voor het omgaan met datums en tijden, wat essentieel is voor nauwkeurige analyses.

Data Importeren

Een ander belangrijk aspect van de cursus is het importeren van data uit CSV-bestanden en andere formaten van statistische pakketten zoals SPSS of SAS. Ook het lezen uit en schrijven naar databases komt aan bod, wat cruciaal is voor het werken met grote datasets.

Statistische Analyses met R

Tenslotte behandelt de cursus Data Analyse met R verschillende statistische analysemethoden, zoals lineaire en niet-lineaire modellen, variabele transformaties en regressies. Dit alles wordt ondersteund met praktijkvoorbeelden en kan toegepast worden op cases die door de cursisten worden meegenomen. Voor meer informatie over R, kunt u de officiële R project website bezoeken. Voor meer cursussen in data-analyse kunt u ook kijken naar Data Analyse met Python en Machine Learning met Python.

Doelgroep Cursus Data Analyse met R

De cursus Data Analyse met R is bestemd voor Big Data analisten en wetenschappers die R willen gebruiken om hun data te analyseren en voor het maken van statische analyses.

Voorkennis Data Analyse met R

Ervaring met programmeren is bevorderlijk voor een goede begripsvorming maar is niet vereist.

Uitvoering Training Data Analyse met R

De theorie wordt behandeld aan de hand van presentaties en voorbeelden. De concepten worden toegelicht met demo's. Daarna is er tijd om er zelf mee te oefenen. R-Studio wordt gebruikt als ontwikkelomgeving. De cursustijden zijn van 9.30 tot 16.30

Certificering Cursus Data Analyse met R

De deelnemers krijgen na het goed doorlopen van de cursus een officieel certificaat R Programmeren.

Modules

Module 1 : Intro R

• Overview of R
• History of R
• Installing R
• The R Community
• R Development
• R Studio
• R Console
• R Style
• Using R Packages
• Cheatsheets
• R Syntax
• R Objects

Module 2 : Graphics and Plots

• ggplot2
• Graphics Devices and Colors
• High-Level Graphics Functions
• Low-Level Graphics Functions
• Graphical Parameters
• Controlling the Layout
• Changing Plot Types
• Quick Plots and Basic Control
• Aesthetics
• Changing Plot Types
• Labels
• Themes and Layout

Module 3 : Transformations

• dplyr
• R Functions
• Functions for Numeric Data
• Scoping Rules
• mutate
• arrange
• group by
• summarize
• select
• filter
• joining
• dataframe

Module 4 : Presentation

• rmarkdown
• Reproducible research
• Reporting
• Sharing results
• Repetitive Tasks
• Family of apply Functions
• apply Function
• lapply Function
• sapply Function
• tapply Function

Module 5 : Data Cleaning

• tidyr
• spread
• gather
• seperate
• unite
• Logical Data
• Missing Data
• Character Data
• Duplicate Values
• NA’s

Module 6 : Date Times

• Time and Date Variables
• lubridate
• Setting a datetime
• Getting values from a datetime
• strftime Command
• strptime Command
• as.Date function
• Datetimes Calculations
• difftime Command
• Time Series Analysis

Module 7 : Data Import

• R Datasets
• Data.Frames
• Importing CSV Files
• Import from Text Files
• Import from Excel
• Import from Spss or SAS
• Connecting to a database
• Connecting to a cluster
• Databases and ODBC
• dbplyr

Module 8 : Linear Models

• What is a model?
• Statistical Models in R
• How to evaluate a model?
• How to use a model?
• Simple Linear Models
• logistic regression
• linear regression
• R squared
• p values
• confidence intervals

Module 8 : Non-Linear Models

• Decision Trees
• random forest
• boosting
• overfitting
• Optional material :
• Interactive dashboards with Shiny
• Web Scraping
• Writing packages
• Spark
• Functional programming