Содержание пакета (3 курса)
1. Введение в R: Покори науку о данных с нуля до уверенного профи
Начало работы с R и RStudio
7 уроков
1.
Введение: основы темы
↗
2.
Установка R и RStudio: Настройка среды разработки
↗
3.
Операции в консоли и основы арифметики
↗
4.
Создание и управление R-скриптами
↗
5.
Получение помощи в R: Документация и ресурсы
↗
6.
Проекты в RStudio: Эффективная организация работы
↗
7.
Базовая настройка и параметры R
↗
Основы R: Типы данных, переменные и базовые операции
8 уроков
1.
Переменные и присваивание: Хранение данных в R
↗
2.
Основные типы данных: числовой, символьный и логический
↗
3.
Векторы: Основная Структура Данных в R
↗
4.
Векторная индексация и выделение подмножеств
↗
5.
Работа с факторами: Категориальные данные в R
↗
6.
Пропущенные значения: Работа с NA в R
↗
7.
Основные статистические функции для работы с векторами
↗
8.
Проект: Анализ данных с использованием базовых операторов
↗
Структуры управления и функции
8 уроков
1.
Условные операторы: if, else и ifelse()
↗
2.
Логические операторы и составные условия
↗
3.
Циклы For: Перебор последовательностей
↗
4.
Циклы While и Repeat
↗
5.
Функции в R: архитектура, валидация и практическое применение
↗
6.
Параметры и возвращаемые значения функций
↗
7.
Применение семейства функций: Векторизованные операции
↗
8.
Практический проект: Создание функции для анализа данных
↗
Структуры данных: матрицы, списки и таблицы данных
9 уроков
1.
Матрицы: Двумерные структуры данных
↗
2.
Матричные операции и их применение
↗
3.
Списки: Универсальные контейнеры для данных
↗
4.
Основы data frame
↗
5.
Манипуляции с DataFrame: Выборка и фильтрация данных
↗
6.
Добавление и изменение столбцов в таблице данных
↗
7.
Объединение таблиц данных: операции слияния и соединения
↗
8.
Функции сводки и исследования таблиц данных
↗
9.
Практический проект: Комплексные операции с Data Frame
↗
Импорт, экспорт и обработка данных
8 уроков
1.
Чтение CSV и текстовых файлов: углубленный подход
↗
2.
Работа с файлами Excel в R
↗
3.
Экспорт данных: запись файлов из R
↗
4.
Очистка данных: обработка пропущенных значений и выбросов
↗
5.
Преобразование данных: изменение структуры и переупорядочивание
↗
6.
Работа со строками с использованием базовых функций R
↗
7.
Работа с датами и временем в базовом R
↗
8.
Практический проект: Сквозной процесс импорта и очистки данных
↗
Импорт, экспорт и практические проекты
8 уроков
1.
Чтение файлов CSV и Excel с использованием пакетов readr и readx
↗
2.
Запись данных в CSV и другие форматы файлов
↗
3.
Работа с факторами для категориальных данных
↗
4.
Работа с датами и временем с использованием lubridate
↗
5.
Основы работы со строками с использованием stringr
↗
6.
Курсовой проект: Разведочный анализ данных от начала до конца
↗
7.
Сохранение графиков в файлы
↗
8.
Практический проект: Создание полного аналитического отчёта
↗
Статистический анализ в базовом R
8 уроков
1.
Описательная статистика и сводные показатели
↗
2.
Распределения вероятностей в R
↗
3.
Основы проверки статистических гипотез
↗
4.
T-критерий: сравнение средних значений
↗
5.
Дисперсионный анализ (ANOVA)
↗
6.
Корреляционный анализ
↗
7.
Моделирование линейной регрессии
↗
8.
Практический проект: Комплексный статистический анализ
↗
Продвинутые темы и дальнейшие шаги
8 уроков
1.
Управление пакетами и их установка в R
↗
2.
Экосистема R для анализа данных: tidyverse, data.table и caret
↗
3.
Отладка и обработка ошибок в R
↗
4.
Написание эффективного кода на R
↗
5.
Создание базовых пакетов R
↗
6.
Основы воспроизводимых исследований с R Markdown
↗
7.
Система контроля версий Git в среде RStudio
↗
8.
Итоговый проект: Комплексный анализ данных
↗
Дальнейшие шаги
1 урок
1.
Дальнейшие шаги: Продолжение изучения R
↗
2. Магия R: Продвинутый анализ данных и моделирование
Продвинутые методы обработки данных с использованием dplyr и dat
8 уроков
1.
Продвинутые функции пакета dplyr
↗
2.
Освоение построчных операций и столбцов-списков
↗
3.
Продвинутые методы преобразования данных с помощью функций Summa
↗
4.
Метапрограммирование
↗
5.
Высокопроизводительная группировка и агрегация данных
↗
6.
Эффективные по памяти операции data.table
↗
7.
Сравнение производительности: dplyr и data.table
↗
8.
Практическая обработка данных: Рабочий процесс с использованием
↗
Функциональное программирование и продвинутые концепции программ
12 уроков
1.
Продвинутые функциональные объекты и окружения
↗
2.
Замыкания и Фабрики функций
↗
3.
Функции высшего порядка и композиция функций
↗
4.
Продвинутые техники purrr: Шаблоны отображения и редукции
↗
5.
Метапрограммирование: Выражения и Квазицитирование
↗
6.
Продвинутые системы объектов S3 и S4
↗
7.
Классы R6 для работы с семантикой ссылок
↗
8.
Продвинутые методы отладки и профилирования
↗
9.
Функциональное реактивное программирование в Shiny
↗
10.
Оптимизация производительности: Векторизация и интеграция с C++
↗
11.
Разработка предметно-ориентированных языков в R
↗
12.
Разработка сложных пакетов с применением функциональных паттерно
↗
Продвинутое статистическое моделирование и машинное обучение
12 уроков
1.
Основы статистического вывода
↗
2.
Обобщённые линейные модели (ОЛМ): углублённый урок
↗
3.
Выбор модели и методы регуляризации
↗
4.
Векторизация: углубление в тему
↗
5.
Продвинутые методы ансамблирования
↗
6.
Метод опорных векторов и ядерные методы
↗
7.
Методы оценки и проверки моделей
↗
8.
stringr и регулярные выражения в R
↗
9.
Снижение размерности методом главных компонент (PCA)
↗
10.
Работа с многомерными данными
↗
11.
Функциональное программирование в R
↗
12.
Создание воспроизводимых рабочих процессов моделирования
↗
Мастерство визуализации данных с использованием ggplot2 и расшир
12 уроков
1.
Продвинутая грамматика графиков: Освоение эстетик и фасетов
↗
2.
Создание карт и пространственных визуализаций
↗
3.
Автоматизация рабочих процессов: Программное создание и итерация
↗
4.
Дизайн информационных панелей: Интеграция графики ggplot2 в R Ma
↗
5.
Создание пользовательских тем оформления и доводка графиков
↗
6.
Статистические преобразования и сглаживание данных
↗
7.
Освоение геометрических объектов
↗
8.
Производственные пайплайны данных
↗
9.
Интерактивная визуализация данных с plotly и ggplotly
↗
10.
Расширенная настройка графиков
↗
11.
Разработка пользовательских геометрических объектов и статистик
↗
12.
Работа с большими наборами данных
↗
Высокопроизводительные вычисления и параллельная обработка данны
18 уроков
1.
Управление параллельными кластерами
↗
2.
Оптимизация с использованием эффективных структур данных и векто
↗
3.
Высокопроизводительные вычисления на графических процессорах
↗
4.
Основы анализа производительности: профилирование и бенчмаркинг
↗
5.
(Бонус) Подробное изучение Rcpp для эффективной интеграции C++
↗
6.
Ускорение циклов с помощью компиляции на лету
↗
7.
R: дисциплина анализа данных и воспроизводимый пайплайн
↗
8.
Обработка данных порциями
↗
9.
Работа с базами данных в R с использованием пакетов DBI и dbplyr
↗
10.
Работа с пакетом Arrow для эффективных форматов файлов
↗
11.
Работа с файлами через отображение в память с использованием пак
↗
12.
Построение масштабируемого аналитического конвейера
↗
13.
Продвинутые методы управления памятью и сборка мусора
↗
14.
Параллельные вычисления в R: ускорение анализа и пайплайнов
↗
15.
Профилирование кода на R
↗
16.
Векторизация и отказ от использования циклов
↗
17.
Эффективные структуры данных: Матрицы, массивы и data.table
↗
18.
(Бонус) Продвинутая оптимизация
↗
Воспроизводимые исследования и промышленное развертывание
11 уроков
1.
Основы воспроизводимых исследований с использованием R Markdown
↗
2.
Система контроля версий для проектов на R с использованием Git и
↗
3.
Разработка пакетов для многократно используемых аналитических ко
↗
4.
Разработка интерактивных веб-приложений с помощью Shiny
↗
5.
Продвинутый Shiny: Модульность, тестирование и безопасность
↗
6.
Контейнеризация приложений на R с помощью Docker
↗
7.
Стратегии развертывания в продакшен и конвейеры непрерывной инте
↗
8.
Оптимизация производительности и масштабирование приложений на R
↗
9.
Разработка API с использованием Plumber и RESTful сервисов
↗
10.
Автоматизация рабочих процессов
↗
11.
Мониторинг, логирование и обслуживание производственных систем
↗
Финальный модуль
1 урок
1.
Дальнейшее обучение
↗
3. Мастерство R: Высокопроизводительный код и продакшен
Основы продвинутого программирования на R
6 уроков
1.
Внутреннее устройство R: Среды, связывание и системы объектов
↗
2.
Управление памятью и оптимизация сборки мусора
↗
3.
Продвинутое функциональное программирование
↗
4.
Манипуляция выражениями и нестандартная оценка кода
↗
5.
Методы профилирования и тестирования производительности
↗
6.
Отладка сложного кода R и обработка ошибок
↗
Высокопроизводительные вычисления в R
7 уроков
1.
Векторизация и избегание циклов в базовом R
↗
2.
Продвинутые методы работы с data.table для обработки больших объ
↗
3.
Оптимизация производительности в dplyr и tidyverse
↗
4.
Параллельные вычисления
↗
5.
(Бонус) Rcpp: Интеграция C++ для максимальной производительности
↗
6.
Высокопроизводительная линейная алгебра и матричные вычисления
↗
7.
Эффективные по памяти структуры данных и алгоритмы
↗
Разработка и распространение пакетов повышенной сложности
7 уроков
1.
Архитектура пакетов и шаблоны проектирования
↗
2.
Продвинутая документация с roxygen2 и pkgdown
↗
3.
Модульное тестирование и разработка
↗
4.
Расширенное управление зависимостями и системные требования
↗
5.
Проверка пакета и процесс отправки в CRAN
↗
6.
(Бонус) Двоичные пакеты и кроссплатформенная совместимость
↗
7.
Управление пакетами и версиями
↗
Производственные процессы и развертывание
7 уроков
1.
Воспроизводимые исследования и организация проектов
↗
2.
Докеризация приложений на R
↗
3.
Разработка Приложений на Shiny для Промышленной Эксплуатации
↗
4.
Разработка API с использованием plumber и RESTful сервисов
↗
5.
Пакетная обработка и планировщик заданий
↗
6.
Мониторинг, логирование и отслеживание ошибок
↗
7.
Непрерывная интеграция и развертывание для проектов на R
↗
Продвинутая инженерия и интеграция данных
6 уроков
1.
Интеграция баз данных и шаблоны ORM
↗
2.
Интеграция больших данных с использованием Spark и Arrow
↗
3.
Обработка и потоковая передача данных в реальном времени
↗
4.
Фреймворки обеспечения качества и валидации данных
↗
5.
Проектирование и оптимизация ETL-процессов
↗
6.
Интеграция API данных и веб-скрапинг
↗
Продвинутые темы и новые технологии
6 уроков
1.
Развертывание моделей машинного обучения и MLOps
↗
2.
Web Assembly (WASM) и R в браузере
↗
3.
Геопространственный анализ и картографирование
↗
4.
Системы анализа и прогнозирования временных рядов
↗
5.
Текстовый анализ и обработка естественного языка
↗
6.
Примеры и шаблоны оптимизации производительности
↗
Финальный модуль
1 урок
1.
Начало вашего пути!
↗