对于那些对R语言还不熟悉的朋友,我先来做一个简单的介绍。首先,R是非常吸引人的一门语言。如今它已成为求职简历上让人眼前一亮的一门技能,部分原因是R语言的使用人数大大提升。如今它正被各种各样的专家们使用,包括软件开发、商业分析、统计报告和科学研究。你很有可能在工作中接触到R语言,你还可能会考虑学习和使用这门语言。
如果你需要证明,没有比一些反映R的增长的独立排名更好的了。R语言闯入近几年流行编程语言Tiobe指数的前20名;2015年, IEEE将R列在2015年十大编程语言的第6位。另外,随着数据密集型工作的增加,对处理、数据挖掘和可视化的工具,如R的需求也大大增加。
商业中的R语言
R源自90年代S编程语言的一个开源版本。从那之后,R得到了许多公司的支持,其中最有名的是RStudio和Revolution Analytics,这两家公司创建了与R语言相关的工具、程序包和服务。但是R的应用并不仅限于这些专业公司;R还得到了一些运转的关系数据库的大型公司的支持。比如其中之一的Oracle公司,已将R导入其产品。今年初,微软(Microsoft)收购了Revolution Analytics,并且在其SQLServer 2016中放入了R语言。SQLServer的管理员和.NET的开发人员如今随手便可使用R,R已同时和他们的标准平台工具一起被安装了。
高等教育中的R语言
这是一个有趣的事实:R起源于学院派,新西兰奥克兰大学的Ross Ihaka和Robert Gentleman创建了它。它已经被许多研究生课程广泛采纳,其中包括密集的统计研究。R也已经在大规模开放网上课程(MOOCs)中被使用,比如Coursera 上的数据科学课程(Data Science Program)和在Pluralsight上的课程里(包括我自己的R和RStudio课程)。选修涉及数据运算的研究生课程很容易遇到R,像许多其它技术一样,在学校的介绍导致其自然地被行业广泛采纳。在高等教育中R的存在也确认了它在商业环境中的需求。
诚然,技术是有趣的,但是,我们中的大多数人享受着技术带来的乐趣,也要凭借技术谋生。幸运的是,R不仅用起来很愉快,并且对于从业者来说,商业上对R语言的高需求往往等同于高薪。在去年的骰子科技薪酬调查(The Dice Technology Salary Survey)中,R被视为一项获取薪资的技能。的O’Reilly数据科学家薪酬调查(O’Reilly Data Science Salary Survey)也将R列为薪的数据科学家使用的技能之一。
R社区是多元的,拥有很多具有独特专业背景的使用者。这其中包括研究人员、科学家、统计学家、商业分析人员和专业程序员等。综合的R档案网络(CRAN)维护来自不同背景的社区成员所创建的程序包。现有的程序包用来进行股票市场分析、创建地图、高通量基因组分析和自然语言处理。这仅仅是冰山一角,截至发稿时,在CRAN上有7000多个可用程序包。此外,博客聚合网站R-Bloggers,作为一个消息枢纽服务于R社区。
当然,R有趣!最初,我被R吸引的原因是它用几行代码生成图表和图的强大能力。其它语言需要几百行的代码才可以完成的任务,R只需要简单的几行。虽然它比其它热门的语言古怪,但是它具有专门面向数据分析的强大功能。
很值得学习R语言,它的成长和成熟已经使其被广泛地接受,同时供学习的资源很多。如今,随着微软加快步伐,把R打包在更多产品中。你可以期待在今后的岁月里听到更多R的消息。
--资料来源于“爱数据”
大数据时代数据分析的必备技能
——R数据挖掘与机器学习
时间:
初级:2018年7月29-31日(三天)北京, 8月6-8日(三天)上海
高级:2018年7月31-8月2日(三天)北京, 8月8-10日(三天)上海
全程:2018年7月29-8月2日 (五天)北京, 8月6-10日(五天)上海
地点:北京市海淀区厂洼街3号丹龙大厦附近/上海市南京东路培训教室
费用:
初级:3300元 / 2800元 (仅限全日制本科生及硕士研究生优惠价)
高级:3600元 / 3100元 (仅限全日制本科生和硕士研究生优惠价)
全程:6000元 / 5400元 (仅限全日制本科生和硕士研究生优惠价)
(食宿自理)
安排:上午9:00-12:00;下午2:00-5:00;答疑
讲师介绍:
方匡南老师,统计学教授,博士生导师,耶鲁大学博士后。主要研究:数据挖掘、应用统计。 2007年出版了国内本R语言中文教程《R语言统计分析软件简明教程》,并于2015年2月出版了《R数据分析:方法与案例详解》,该书在同类书籍中销售名列前茅,并被引入到台湾地区出版。有10多年的R语言使用经验和丰富的数据挖掘和机器学习实战经验。曾先后在在 Journal of Multivariate Analysis、Scientific Reports(Nature子刊)、Computational Statistics and Data Analysis等国内外权威期刊发表论文70多篇。先后主持了国家自然科学基金、国家社科基金等多个项目。
承担了建行、华为等30个企业数据挖掘项目,有丰富的实战经验。有10年以上的数据挖掘培训经验,长期讲授《数据挖掘》、《机器学习》等课程,讲课生动活泼、深入浅出、以实际案例引出统计方法,再通过编程讲解实际操作和结果分析,先后为50多家企业的技术人员做技术内心,为100多家企业的高管做大数据有关的理念培训。
课程配套资料:
(1)提供一份精心准备的非常全面的R软件入门和数据挖掘与机器学习讲义。
(2)提供课程源代码1份和相应数据若干份。
特别赠送:方老师主讲的R初级和高级视频,价值1000元!
R简介:
R语言由新西兰奥克兰大学ross ihaka和robert gentleman 开发。R语言是自由软件,可以放心大胆地使用,且具有非常强大的统计分析和作图功能,而且更重要的是R软件具有非常丰富的网上资源,目前R软件有3000多种贡献包,几乎可以实现所有的统计方法,目前大部分的统计学家和计量经济学家都使用R语言,而且越来越多的数据分析实务人员也开始使用R语言。R语言具有简单易学,功能强大,体积小(仅40m左右),完全免费,可自由开发等特点,且R语言和S语言语法基本相同,绝大部分程序是互相兼容的。学习R软件正成为一种趋势。
R软件最优美的地方是它能够修改很多前人编写的包的代码做各种你所需的事情,实际你是站在巨人的肩膀上。——Google首席经济学家Hal Varian
学员对象:
金融、医疗、通讯、咨询、电子商务等领域的数据分析人员、数据挖掘工程师、数据科学家;
高校硕士生、博士生、青年教师等。
培训目的和特色:
1. 让学员快速入门并熟练掌握R语言,掌握如何利用R丰富的网上资料和帮助系统,学会基本的编程方法。
2. 以实际案例引入,深入浅出地讲解如何使用R语言进行数据挖掘和机器学习,让学员不仅掌握R语言的使用,更重要的是学会数据挖掘和机器学习的思想、原理和方法。
3. 学完本课程后,使学员基本上可以使用R语言进行实际的数据挖掘工作。尤其学会使用R语言对批量处理的实务数据分析,大大提高工作效率。
培训内容目录:
【初级班】
专题名称 | 授课内容 |
第1讲(3小时) R语言入门 | 目标:掌握R语言的基本用法 1.R语言介绍 2.编辑软件Rstudio使用 3.R程序包的载入与使用 4.数据对象及运算(向量、矩阵、数组、列表与数据框处理) |
第2讲(3小时) 数据读写 R基本编程 | 目标:掌握用R编写函数和数据的读写 1. R数据读入与读出 (读入txt、xls、SPSS、SAS、stata以及数据库文件) 2.R 函数编写 3.R的条件与循环函数 4.高效编程技巧介绍 |
第3讲(3小时) 数据预处理 探索性分析 | 目标:掌握数据预处理与探索性分析 1.数据预处理 2.缺失值处理 3.随机数生成 4.常用统计方法的蒙特卡洛模拟 5.随机抽样 6.单变量数据分析与作图 7.双变量数据分析与作图 8.多变量数据分析与作图 案例1:统计作图在调查数据中的应用 案例2:统计作图在临床医学中的应用 |
第4讲(3小时) 数据挖掘与机器学习入门 线性回归 | 目标:数据挖掘与机器学习入门 1.何为数据挖掘与机器学习 2.数据挖掘与机器学习的主要研究内容 3.有监督学习与无监督学习区别 4.一元线性回归 5.多元线性回归 6.逐步回归 案例1:广告营销计划案例 案例2:信用卡债务预测案例 案例3:房价预测案例 |
第5讲(3小时) 线性分类方法 | 目标:掌握经典线性分类方法及其应用 1.Logistic模型 2.LDA判别分类 3.QDA判别分类 案例1:信用卡违约预测案例 案例2:股价涨跌方向预测案例 |
第6讲(3小时) 重抽样方法 互动交流讨论 | 目标:掌握经典重抽样方法 1.验证集方法 2.交叉验证 3.Bootstrap方法 案例1:量化投资资产配置案例 案例2:汽车每加仑汽油里程数预测案例 互动交流讨论 |
【高级班】
专题名称 | 授课内容 |
第1讲 线性分类方法 | 目标:掌握经典线性分类方法及其应用 1.Logistic模型 2.LDA判别分类 3.QDA判别分类 案例1:信用卡违约预测案例 案例2:股价涨跌方向预测案例 |
第2讲(3小时) 重抽样方法 | 目标:掌握经典重抽样方法 1.验证集方法 2.交叉验证 3.Bootstrap方法 案例1:量化投资资产配置案例 案例2:汽车每加仑汽油里程数预测案例 |
第3讲(3小时) 决策树 组合预测 | 课程目标:掌握决策树和组合预测方法及其实际应用。 1.CART决策树 2.Bagging 3.随机森林 4.Boosting算法 案例1:棒球运动员薪水预测案例 案例2:心脏病预测案例 案例3:信用卡违约预测案例 |
第4讲(3小时) 支持向量机 | 课程目标:掌握支持向量机分类方法 1.间隔分类器 2.支持向量分类器 3.支持向量机 案例1:基因表达数据案例 案例2:股票涨跌方向预测 |
第5讲(3小时) 变量选择与高维数据 | 目标:掌握数据挖掘中高维数据分析方法及其实际应用 1.LASSO 2.SCAD 3.MCP 4.Group LASSO 案例1:基因筛选 案例2: 股票选股 |
第6讲(3小时) 无监督学习 主成分分析 主成分回归 聚类分析 | 目标:掌握无监督学习方法及其应用。 1.主成分分析 2.主成分回归 3.Kmeans聚类分析 4.系统聚类分析 案例1:广告支出主成分分析 案例2:犯罪率主成分分析 案例3:学生考试成绩主成分分析 案例4:客户细分聚类案例 |
优惠:
现场班老学员9折优惠;
同一单位三人以上同时报名9折优惠;
以上优惠不叠加。
报名流程:
1:点击“初级班/高级班/全程班报名”,网上填写信息提交;
2:给予反馈,确认报名信息;
3:网上订单缴费(需要刷卡或对公转账的请报名后与我们联系);
4:开课前一周发送课程电子版讲义,软件准备及交通住宿指南。
联系方式:
魏老师
QQ:1143703950
Mail:vip@pinggu.org
Tel: 010-68478566