Курс на Stepik
Обложка курса «Магия R: Продвинутый анализ данных и моделирование» на Stepik
1 990 ₽

Магия R: Продвинутый анализ данных и моделирование ★ 0.000

Открыть на
STEPIK.ORG

Освойте продвинутые методы анализа данных и моделирования в R. От статистических тестов до машинного обучения - этот курс даст вам мощные инструменты для работы с реальными данными. Практические кейсы и упражнения помогут закрепить навыки.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Магия R: Продвинутый анализ данных и моделирование»Учеников на курсе 16
Сертификаты, выданные на курсе «Магия R: Продвинутый анализ данных и моделирование»Сертификатов выдано 0
Отзывы о курсе «Магия R: Продвинутый анализ данных и моделирование»Отзывов получено 0
Рейтинг курса «Магия R: Продвинутый анализ данных и моделирование»Рейтинг курса 0.000
Уроки в курсе «Магия R: Продвинутый анализ данных и моделирование»Количество уроков 74
Тесты в курсе «Магия R: Продвинутый анализ данных и моделирование»Количество квизов 354
Задачи с кодом в курсе «Магия R: Продвинутый анализ данных и моделирование»Количество задач с кодом 159
Стоимость курса «Магия R: Продвинутый анализ данных и моделирование»Стоимость курса 1 990 ₽ —
Обновления курса «Магия R: Продвинутый анализ данных и моделирование»Обновления курса — —
Дата публикации курса «Магия R: Продвинутый анализ данных и моделирование»Дата публикации курса — ———
Последнее обновление курса «Магия R: Продвинутый анализ данных и моделирование»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «Магия R: Продвинутый анализ данных и моделирование» 7 разделов Уроки в курсе «Магия R: Продвинутый анализ данных и моделирование» 74 урока Тесты в курсе «Магия R: Продвинутый анализ данных и моделирование» 354 теста Задачи в курсе «Магия R: Продвинутый анализ данных и моделирование» 159 задач Последнее обновление курса «Магия R: Продвинутый анализ данных и моделирование» обн. 1 мая 2026

1. Продвинутые методы обработки данных с использованием dplyr и dat

8 уроков
Открытый
1.1 Продвинутые функции пакета dplyr ↗
5
1
-
0
Закрытый
1.2 Освоение построчных операций и столбцов-списков ↗
1
1
-
0
Закрытый
1.3 Продвинутые методы преобразования данных с помощью функций Summa ↗
1
1
-
0
Закрытый
1.4 Метапрограммирование ↗
1
1
-
0
Закрытый
1.5 Высокопроизводительная группировка и агрегация данных ↗
1
1
-
0
Закрытый
1.6 Эффективные по памяти операции data.table ↗
1
1
-
0
Закрытый
1.7 Сравнение производительности: dplyr и data.table ↗
1
1
-
0
Закрытый
1.8 Практическая обработка данных: Рабочий процесс с использованием ↗
1
1
-
0

2. Функциональное программирование и продвинутые концепции программ

12 уроков
Закрытый
2.1 Продвинутые функциональные объекты и окружения ↗
1
1
-
0
Закрытый
2.2 Замыкания и Фабрики функций ↗
1
1
-
0
Закрытый
2.3 Функции высшего порядка и композиция функций ↗
1
1
-
0
Закрытый
2.4 Продвинутые техники purrr: Шаблоны отображения и редукции ↗
1
1
-
0
Закрытый
2.5 Метапрограммирование: Выражения и Квазицитирование ↗
1
1
-
0
Закрытый
2.6 Продвинутые системы объектов S3 и S4 ↗
1
1
-
0
Закрытый
2.7 Классы R6 для работы с семантикой ссылок ↗
1
1
-
0
Закрытый
2.8 Продвинутые методы отладки и профилирования ↗
1
1
-
0
Закрытый
2.9 Функциональное реактивное программирование в Shiny ↗
1
1
-
0
Закрытый
2.10 Оптимизация производительности: Векторизация и интеграция с C++ ↗
1
1
-
0
Закрытый
2.11 Разработка предметно-ориентированных языков в R ↗
1
1
-
0
Закрытый
2.12 Разработка сложных пакетов с применением функциональных паттерно ↗
1
1
-
0

3. Продвинутое статистическое моделирование и машинное обучение

12 уроков
Закрытый
3.1 Основы статистического вывода ↗
1
1
-
0
Закрытый
3.2 Обобщённые линейные модели (ОЛМ): углублённый урок ↗
1
1
-
0
Закрытый
3.3 Выбор модели и методы регуляризации ↗
1
1
-
0
Закрытый
3.4 Векторизация: углубление в тему ↗
1
1
-
0
Закрытый
3.5 Продвинутые методы ансамблирования ↗
1
1
-
0
Закрытый
3.6 Метод опорных векторов и ядерные методы ↗
1
1
-
0
Закрытый
3.7 Методы оценки и проверки моделей ↗
1
1
-
0
Закрытый
3.8 stringr и регулярные выражения в R ↗
1
1
-
0
Закрытый
3.9 Снижение размерности методом главных компонент (PCA) ↗
1
1
-
0
Закрытый
3.10 Работа с многомерными данными ↗
1
1
-
0
Закрытый
3.11 Функциональное программирование в R ↗
1
1
-
0
Закрытый
3.12 Создание воспроизводимых рабочих процессов моделирования ↗
1
1
-
0

4. Мастерство визуализации данных с использованием ggplot2 и расшир

12 уроков
Закрытый
4.1 Продвинутая грамматика графиков: Освоение эстетик и фасетов ↗
1
1
-
0
Закрытый
4.2 Создание карт и пространственных визуализаций ↗
1
1
-
0
Закрытый
4.3 Автоматизация рабочих процессов: Программное создание и итерация ↗
1
1
-
0
Закрытый
4.4 Дизайн информационных панелей: Интеграция графики ggplot2 в R Ma ↗
1
1
-
0
Закрытый
4.5 Создание пользовательских тем оформления и доводка графиков ↗
1
1
-
0
Закрытый
4.6 Статистические преобразования и сглаживание данных ↗
1
1
-
0
Закрытый
4.7 Освоение геометрических объектов ↗
1
1
-
0
Закрытый
4.8 Производственные пайплайны данных ↗
1
1
-
0
Открытый
4.9 Интерактивная визуализация данных с plotly и ggplotly ↗
5
1
-
0
Закрытый
4.10 Расширенная настройка графиков ↗
1
1
-
0
Закрытый
4.11 Разработка пользовательских геометрических объектов и статистик ↗
1
1
-
0
Закрытый
4.12 Работа с большими наборами данных ↗
1
1
-
0

5. Высокопроизводительные вычисления и параллельная обработка данны

18 уроков
Закрытый
5.1 Управление параллельными кластерами ↗
1
1
-
0
Закрытый
5.2 Оптимизация с использованием эффективных структур данных и векто ↗
1
1
-
0
Закрытый
5.3 Высокопроизводительные вычисления на графических процессорах ↗
1
1
-
0
Закрытый
5.4 Основы анализа производительности: профилирование и бенчмаркинг ↗
1
1
-
0
Закрытый
5.5 (Бонус) Подробное изучение Rcpp для эффективной интеграции C++ ↗
1
1
-
0
Закрытый
5.6 Ускорение циклов с помощью компиляции на лету ↗
1
1
-
0
Закрытый
5.7 R: дисциплина анализа данных и воспроизводимый пайплайн ↗
1
1
-
0
Закрытый
5.8 Обработка данных порциями ↗
1
1
-
0
Закрытый
5.9 Работа с базами данных в R с использованием пакетов DBI и dbplyr ↗
1
1
-
0
Закрытый
5.10 Работа с пакетом Arrow для эффективных форматов файлов ↗
1
1
-
0
Закрытый
5.11 Работа с файлами через отображение в память с использованием пак ↗
1
1
-
0
Закрытый
5.12 Построение масштабируемого аналитического конвейера ↗
1
1
-
0
Закрытый
5.13 Продвинутые методы управления памятью и сборка мусора ↗
1
1
-
0
Закрытый
5.14 Параллельные вычисления в R: ускорение анализа и пайплайнов ↗
1
1
-
0
Закрытый
5.15 Профилирование кода на R ↗
1
1
-
0
Закрытый
5.16 Векторизация и отказ от использования циклов ↗
1
1
-
0
Закрытый
5.17 Эффективные структуры данных: Матрицы, массивы и data.table ↗
1
1
-
0
Закрытый
5.18 (Бонус) Продвинутая оптимизация ↗
1
1
-
0

6. Воспроизводимые исследования и промышленное развертывание

11 уроков
Закрытый
6.1 Основы воспроизводимых исследований с использованием R Markdown ↗
1
1
-
0
Закрытый
6.2 Система контроля версий для проектов на R с использованием Git и ↗
1
1
-
0
Закрытый
6.3 Разработка пакетов для многократно используемых аналитических ко ↗
1
1
-
0
Закрытый
6.4 Разработка интерактивных веб-приложений с помощью Shiny ↗
1
1
-
0
Закрытый
6.5 Продвинутый Shiny: Модульность, тестирование и безопасность ↗
1
1
-
0
Закрытый
6.6 Контейнеризация приложений на R с помощью Docker ↗
1
1
-
0
Закрытый
6.7 Стратегии развертывания в продакшен и конвейеры непрерывной инте ↗
1
1
-
0
Закрытый
6.8 Оптимизация производительности и масштабирование приложений на R ↗
1
1
-
0
Закрытый
6.9 Разработка API с использованием Plumber и RESTful сервисов ↗
1
1
-
0
Закрытый
6.10 Автоматизация рабочих процессов ↗
1
1
-
0
Закрытый
6.11 Мониторинг, логирование и обслуживание производственных систем ↗
1
1
-
0

7. Финальный модуль

1 урок
Закрытый
7.1 Дальнейшее обучение ↗
1
1
-
0