Cursus Programmeren in R

De Big Data revolutie is in volle gang. Inmiddels is iedereen overtuigd van de noodzaak of heeft de eerste stappen gezet naar implementatie. In het laatste geval kan het je niet ontgaan zijn dat bestaande paketten (hoewel krachtig en veelzijdig) niet altijd volledige flexibileit en functionaliteit bieden om het resultaat volledig naar je hand te kunnen zetten. Vandaar dat programmeertaal R wint aan populariteit. Met deze taal is het mogelijk maatwerk te leveren en de data exact naar wens te presenteren.

Tijdens de Cursus Programmeren in R

Onder begeleiding van een docent met ervaring uit de praktijk ga je kennismaken met de open-source programmeertaal R. Je leert hoe deze te installeert en configureert. Je leert bovendien om datasets aan te spreken en te manipuleren waarbij je bestaande en eigen functies gebruikt. Daarnaa gaan we in op het visualiseren van de resultaten in grafieken en andere grafische vormen, zoals plots.

Doelstelling Cursus Programmeren in R

Na de cursus ben je in staat om Big Data sets of statistische gegevens te ontsluiten door analyse en manipulatie. Je kan de analyseresultaten presenteren in de diverse grafische mogelijkheden die R biedt. Je bent in staat om met krachtige commando's iedere stap van dit proces kan te beïnvloeden en naar eigen inzicht in te richten.

Tijdens de Cursus Programmeren in R behandelen we de volgende modulen:

• Data transformatie met R
• • Introductie en installatie van R
  • Werken met Rstudio
  • R scripts schrijven
  • Programmeren in R syntax
  • Introductie Tidyverse
  • Werken met Tibble Data Frame
• Data Visualisation
• • Introductie ggplot2
  • Scatter Plot
  • Line Chart
  • Bar Chart
  • Stijlen en opmaak
  • Plots opslaan
  • Interactieve Plots
  • Maps
  • Reporting met R Notebooks
• Importeren en Tidy
• • Importeren vanuit verschillende bronnen
  • • CSV
    • Excel
    • SQL
    • Matlab en andere statistische pakketten
  • Werken met Tidy
  • • Missing Values
    • Pivot / unpivot
    • Dates
• Algoritmes en Data Science
• • Classification
  • Clustering
  • Regression
  • Statistics
  • Machine learning models toepassen met caret en broom packages