ТОП-8 курсов по языку программирования R [2023]: обучение онлайн

Подборка бесплатных и платных онлайн-курсов по языку программирования R для начинающих и опытных пользователей.

1 место. Курс «Язык R для анализа данных» — Skillbox

https://skillbox.ru/course/r-analysis/

Стоимость: Договор рассрочки на 6 месяцев — 7 177 ₽/мес

• Продолжительность – 4 месяца
• Онлайн, когда вам удобно
• Обучение в процессе работы
• Доступ к курсу навсегда.

Для кого этот курс:

• Аналитики и исследователи без опыта программирования на R
  Научитесь программировать на R с нуля и автоматизируйте свою работу. Вы сможете решать более сложные задачи и повышать свою стоимость на рынке.
• Аналитики и исследователи, использующие R в своей работе
  Систематизируйте знания и освойте расширенные функции в R. Вы сможете тратить меньше времени на повседневные рутинные задачи.
• Для тех, кто хочет работать с анализом
  Освойте популярный инструмент для обработки данных и научитесь обрабатывать информацию с помощью языка R.
  Сделайте шаг к карьере в аналитике и победите своих конкурентов с самого начала.

Чему вы хотите научиться:

• Обрабатывайте данные с помощью базовых инструментов R и библиотеки tidyverse
• Выполняйте анализ интеллектуальных данных в R
• Создавайте интерактивные графики с помощью библиотеки Plotly
• Визуализируйте данные с помощью библиотеки ggplot2
• Анализ моделей линейной регрессии и представление результатов
• Создавайте интерактивные информационные панели с помощью библиотеки Shiny.

Содержание курса:

Онлайн-лекции и практические задания с подробным разбором.
17 тематических модулей, 72 онлайн-часа

Язык программирования R

1. Знание языка R и основных операций
   Установите R и RStudio, среду разработки R, и ознакомьтесь с интерфейсом. Вы узнаете, как создавать файлы R и Rmarkdown, начнете изучать синтаксис языка и познакомитесь с концепцией вектора в R.
2. Типы и структуры данных
   Изучите типы данных в R и узнайте, как преобразовывать данные из одного типа в другой. Понимать структуры данных в R: векторы, массивы, фреймы данных и списки. Узнайте, как с ними работать.
3. Структуры управления
   Научитесь использовать условия if-else, тестовые условия, работать с циклами и функциями.

Вычислительная аккуратная библиотека

1. Чтение и запись файлов в R
   Вы научитесь работать с файлами в рабочей тетради, читать и записывать файлы в форматах csv, txt и Excel.
2. Обрабатывает данные с помощью основных инструментов R
   Узнайте, как использовать фреймы данных и работать с данными с помощью основных инструментов R. Узнайте, как отображать описание фрейма данных, работать со строками и столбцами.
3. Вычисления с библиотекой tidyverse: часть 1
   Ознакомьтесь с библиотекой tidyverse и ее возможностями. Разберитесь с синтаксисом tidyverse и научитесь работать с различными функциями. Вы научитесь группировать и агрегировать данные, загружать сводную информацию с помощью библиотеки Stargazer.
4. Вычисления с библиотекой tidyverse: часть 2
   Научитесь преобразовывать структуру данных и объединять таблицы.
5. Обработка пропущенных значений в R
   Научитесь искать и считать пропущенные значения и искать в них закономерности. Вы поймете, как визуализировать недостающие значения с помощью мышей и библиотек VIM и заполнить пробелы с помощью tidyverse.
6. Работа с обычными и категориальными данными в R
   Изучите шкалы данных: числовую, порядковую и категориальную. Понимать функции факторных данных в R и операции с ними. Научитесь работать с категориальными данными с помощью forcats.

Визуализация данных

1. Визуализация данных в R
   Узнайте, как строить простые графики с помощью основных инструментов R — гистограммы, точечной диаграммы и линейного графика. Узнайте, как настроить их и загрузить в файл.
2. Визуализация данных с помощью библиотеки ggplot2
   Узнайте, как строить графики с помощью библиотеки ggplot2. Научитесь работать с одномерными, двухмерными и нечисловыми данными и группировать данные в графики.

Статистический анализ данных в R

1. Анализ интеллектуальных данных в R
   Познакомьтесь с описательной статистикой в ​​R. Научитесь использовать библиотеку psych и искать выбросы. Изучите коэффициенты корреляции Пирсона и Спирмена и узнайте, как их использовать. Вы узнаете о концепции корреляционных матриц, сможете визуализировать их и загрузить в отчет.
2. A/B-тесты: случайная оценка
   Узнайте, как ставить цели и выбирать дизайн для A/B-тестирования. Научитесь выполнять выборочную оценку, выявлять проблемы в выборке и рассчитывать ее размер с учетом погрешности и уровня достоверности данных. Вы сможете рассчитать и проанализировать доверительные интервалы в A/B-тестировании.
3. A/B-тестирование: проверка статистических гипотез
   Научитесь проверять статистические гипотезы с помощью тестов и анализировать возможные ошибки при тестировании. Узнайте, как сравнивать пропорции и средние значения в A/B-тестировании, и узнайте, как проводить A/B-тестирование.
4. Поиск взаимосвязей в данных в R
   Научитесь определять отношения в количественных и категориальных данных. Изучите простую линейную регрессию. Узнайте, как работать с регрессионной моделью, проверять ее качество, загружать результаты и включать их в отчет Rmarkdown.

Расширенная визуализация и представление результатов анализа

1. Интерактивные графики с библиотекой Plotly
   Ознакомьтесь с проектом Plotly, проанализируйте его функции, особенности синтаксиса и функции. Узнайте, как строить интерактивные графики Plotly в 2D и 3D и публиковать результаты на RPubs.
2. Панели мониторинга в R: The Shiny Framework
   Изучите проект Shiny, его возможности и структуру кода. Установите библиотеку Shiny, научитесь редактировать шаблон приложения, добавлять меню, строки фрейма данных и элементы интерфейса на панель инструментов.

Дипломная работа

1. Обработка и анализ социально-экономических данных
   Вы будете загружать данные из разных файлов, собирать их в единый фрейм данных и обрабатывать. Проведите исследовательский анализ, постройте регрессионные модели и графики, а затем представьте результаты и интерпретацию в отчете.

2 место. Курс «Язык R для аналитики» — Нетология

https://netology.ru/programs/r-analysis

Стоимость: нет информации

Чему вы хотите научиться:

• Собирать данные
  Из большинства аналитических систем
• Преобразование R-скрипта
  Для обработки полученных данных в зависимости от задач
• Анализировать процессы
  Использование скриптов и отображение результатов на графиках.

Программа:

1. Основные принципы программирования в R
   Рассмотрите основные возможности языка R, узнайте, как настроить R-Studio и начать использовать его для простых операций.

• Р и Р-Студио
• Переменные и их типы
• Объявить переменные в R
• Арифметические операции
• Логические переменные и операции
• Ветвление
• Циклы.

1. Отличие R от традиционного программирования
   Давайте познакомимся с векторами и методами программирования в R.

• Понятие вектора, векторные операции
• Использование функций
• Обзор основных функций и пакетов R.

1. Работа с наборами данных
   Мы научимся импортировать данные в R, познакомимся с фреймами данных, освоим базовые операции (просмотр, доступ к данным, преобразование, подключение, фильтрация). Разберем этапы анализа данных. Что это за рабочий процесс, мы узнаем, когда будем анализировать данные и какие действия необходимо предпринять.

• DataFrame — что это такое и зачем
• Импортируйте DataFrame в R
• Простейшее исследование DataFrame
• Доступ к переменным DataFrame (знак $)
• Основные операции DataFrame
• Фильтрация фрейма данных
• Использование библиотеки dplyr для слияния фреймов данных
• Список типов данных (список): что это такое, зачем и как с ним работать.

1. Визуализация в R
   Познакомимся со способами визуализации данных в R, научимся использовать визуализацию в зависимости от данных, интерпретируем графики. Мы научимся оценивать распределение, описательную статистику для двух и более переменных, узнаем о корреляции и регрессии.

• Базовый шаблон ggplot
• Построение точечной и линейчатой ​​диаграмм и их параметризация
• Исследует числовые данные с помощью гистограмм и диаграмм
• Изучение категориальных переменных на гистограммах нормирование
• Дополнительные приемы изучения данных на графиках: джиттер, география
• Какие типы диаграмм следует использовать для каких данных и другие правила хорошего вкуса в визуализации.

1. Этапы анализа данных. Подготовка и очистка данных
   Мы научимся работать с данными в разных форматах, а также с «чистыми» данными — придавать некачественным данным форму, пригодную для анализа.

• Плохие данные: как заполнить пропущенные значения
• Изменение формата данных: когда данные не в разборчивом формате. Распространяйте, собирайте, разделяйте функции. Преобразование между типами
• Работает с датами и временем
• Работа со строками и библиотекой stringr
• Основы регулярных выражений в R: как эффективно их использовать, не ломая голову.

1. Основы моделирования в R
   Узнайте о самых важных моделях прогнозирования, узнайте о линейной регрессии и узнайте, как ее построить, оценить и использовать.

• Подготовьте данные для моделирования. Стандартизация, нормализация, проверка гипотез о нормальном распределении
• Модели прогнозирования. Линейная регрессия
• Определение линейной регрессии
• Построение модели линейной регрессии в R
• Оценка модели линейной регрессии
• Группировка. Метод К-средних.

1. Предоставить результаты анализов. Расширенная визуализация
   Давайте изучим расширенные способы визуализации данных в R и предоставления результатов анализа данных компаниям.

• Картография с библиотекой брошюр
• Таблицы и сводные таблицы: библиотеки DT и сводных таблиц
• Функции в библиотеке Plotly для визуализации с использованием ggplotly
• Как представить свою работу
• Что такое веб-приложения Shiny и какие у них есть функции
• Архитектура веб-приложения: функция пользовательского интерфейса, функция сервера, глобальный файл
• Основные элементы пользовательского интерфейса в Shiny.

1. Разработка аналитических веб-приложений на R (Shiny)
   Давайте узнаем, как реализовать удобный интерфейс для работы с аналитикой в ​​R для бизнес-пользователя.

• Изучите шаблон панели инструментов ShinyDashboard, чтобы создать интерфейс приложения
• Изучаем реактивность и возможность ее ограничения с помощью функции isolate
• Обзор основных элементов управления и вариантов использования
• Дополнительные методы визуализации в приложении: встраивание ggplot диаграмм, таблиц, карт.

1. Дипломная работа
   В рамках своего дипломного проекта вы будете использовать язык R для улучшения работы интернет-магазина или создания приложений для имитации прибыльности личных сбережений. Вы будете самостоятельно изучать и подготавливать данные для анализа в R, строить предиктивную модель и преобразовывать ее в практичный и читаемый вид.
   Работа над заданием выполняется самостоятельно под руководством эксперта курса и позволяет закрепить весь спектр знаний и навыков, полученных на программе.

Ваша квалификация будет подтверждена документами установленного теста.

3 место.Курс «R для лингвистов: программирование и анализ данных» — Открытое образование

https://openedu.ru/course/hse/RLING/

Стоимость: нет информации

Курс знакомит студентов с основами программирования на языке R, а также позволяет понять все этапы анализа данных.
В ходе курса на примерах задач теоретической и компьютерной лингвистики будут рассмотрены математические основы методов статистического анализа.
Курс предназначен для студентов-лингвистов, но не требует предварительных знаний в области лингвистики, программирования или математики.

Программа:

1. Введение в R: основы, функции, циклы
2. Расширенные вычисления: пакеты tidyr и dplyr
3. Работа со строками: строки в R, регулярные выражения
4. Визуализация данных: base R против ggplot2
5. Интерактивная визуализация: rmarkdown, сюжет, лингтипология
6. Работа с текстами: аккуратный текстовый пакет
7. Введение в статистику: основы частотной статистики, формулирование гипотез
8. Корреляция и линейная регрессия
9. Группировка
10. Логистическая регрессия.

Результаты обучения:
Готовность использовать основные законы научных дисциплин в профессиональной деятельности, применять методы математического анализа и моделирования, теоретических и экспериментальных исследований в языкознании.

По окончании обучения выдается сертификат.

Курс «R для интернет-маркетинга» — ИП Уваров М. В.

https://needfordata.ru/r

Цена: 19 990 ₽ — 34 990 ₽

Курс поможет автоматизировать большую часть повседневной, рутинной работы интернет-маркетологов и веб-аналитиков с помощью скриптов, написанных на языке программирования R.

Целевая группа курса — интернет-маркетологи и веб-аналитики, ежедневно работающие с такими сервисами, как Яндекс Директ, Google Ads, Google Analytics, Яндекс Метрика и так далее

Ты выучишь:

• Собирайте данные из самых популярных систем рекламы и веб-аналитики
• Преобразование данных с помощью R-скриптов
• Работа с клиент-серверными, облачными и локальными базами данных в R
• Разрабатывайте скрипты, которые будут отправлять электронные письма, а также создавать визуальную графику.

Программа курса:

1 модуль. Введение в R

• История, функции, преимущества и недостатки языка R.
• Загрузите и установите язык R и среду разработки RStudio.
• Применение сценариев R в Power BI.
• Введение в среду разработки RStudio.
• Условия, циклы и функции в R
• Основные классы объектов в R.
• Работа со строками в R
• Работа с данными в R, пакеты dplyr, data.table, tidyr, sqldf.
• Работаем с датами и временем в R, смажем пакет.
• Рекомендации по дизайну кода и обработке ошибок.

2 модуль. Загрузка данных в Power BI из API Ad Markets и парсинг веб-сайтов с помощью R

• Что такое API.
• Загружает данные из Google AdWords.
• Загрузка данных из Яндекс Директ.
• Загрузка данных из Facebook.
• Загрузка данных из Вконтакте.
• Загрузка данных из MyTarget
• Загружает данные из Google Analytics.
• Загружает данные из API Яндекс Метрики.
• Загрузка данных из
• Консоль поиска и Google Тренды.
• Работает с API Youtube.
• Парсинг сайтов с помощью пакета rvest.
• Отправка HTTP-запросов из R, пакет httr.

3 модуля. Работа с данными, загружаемыми из API для рекламных систем и аналитики сайта

• Работа с Google Sheets от R.
• Визуализация данных с помощью пакета ggplot2.
• Отправка и чтение данных из СУБД (MySQL, PostgreSQL, SQLite, Google BigQuery)
• Отправка почты с помощью пакета mailR.
• Настройка запланированных сценариев для запуска, пакет taskscheduler.
• Создание ботов Telegram на языке R.

Электронный сертификат по окончанию курса.

Курс «Программирование на языке R. Уровень 1. Базовые знания» — Центр компьютерного обучения «Специалист» при МГТУ им.Н.Э.Баумана

https://www.specialist.ru/course/r1

Цена: 17 950 ₽ — 37 800 ₽

Цель курса — дать студентам знания, которые помогут им освоить базовые навыки анализа и визуализации данных в среде R.
Курс предназначен для широкого круга специалистов, которым необходимо искать закономерности в большом количестве данных, визуализировать их и строить статистически верные выводы.

Ты выучишь:

• работа в среде RStudio;
• понимать типы данных R;
• использовать ветвление и циклы;
• создавать и вызывать функции в R;
• работа с векторами, списками, матрицами и таблицами;
• использовать формулы и коэффициенты;
• настроить атрибуты объекта;
• использовать наследование и полиморфизм;
• обрабатывать ошибки, возникающие в программе;
• использовать отслеживание кода;
• научиться пользоваться отладчиком;
• работа с текстами и датой/временем;
• использовать стандартные дистрибутивы и базовую визуализацию данных.

Программа курса:

36 часов переменного тока

Модуль 1: Введение в язык R и среду разработки (2 часа.)

1. Основные возможности языка R
2. R-библиотеки
3. Интерфейс среды разработки RStudio
4. Практика: Настройка RStudio, загрузка и включение библиотек и работа со справочной системой

Модуль 2: Типы данных в R и работа с ними (4 часа.)

1. Поймите систему типа R. Все является объектом
2. Векторы, списки, матрицы и матрицы
3. Практика: Элементарная статистика из основной библиотеки R
4. Формулы и функции в R
5. практика: Написание и вызов простых функций. Файлы скриптов и их подключение
6. Атрибуты объекта
7. Вспомогательные и специальные составные объекты
8. практика: работа с объектом dataframe с помощью библиотеки dplyr

Модуль 3: Написание выражений и команд на R (4 часа.)

1. R Символы, константы и операции
2. практика: Создание операций
3. Условное выполнение кода (if.. else)
4. Циклы For, while и Repeat
5. упражнение: нахождение минимума и максимума с отсутствующими данными (NA)
6. Взаимодействие с другими языками программирования
7. практика: вызов функции, написанной на C
8. DZ: найти локальные экстремумы для функции (x3+2×2-3) /(x2+2) на отрезке [-2;2]

Модуль 4: Написание функций в R (4 часа.)

1. Аргументы функции и сопоставление аргументов
2. Объем объектов
3. Экологическая концепция (окружающая среда)
4. Замыкания и анонимные функции
5. Возвращаемое значение функции
6. практика: Написание и вызов функций для вычисления свойств объектов (минимум/максимум, среднее и т д)

Модуль 5: Объектно-ориентированное программирование (4 часа.)

1. Класс объекта
2. Наследование в R
3. Отправка вызовов функций/методов
4. Использовать метод()
5. Следующий метод()
6. практика: Написание и вызов полиморфных функций для вычисления свойств объектов (минимум/максимум, среднее и так далее)
7. ДЗ: написать функцию сортировки векторов, массивов и массивов с возможностью выбора алгоритма сортировки

Модуль 6: Исключения и отладка в R (3 часа.)

1. генерация исключений/ошибок в R
2. Отлов и обработка исключений/ошибок
3. Настроить обработку исключений/ошибок
4. Отладка кода и функций
5. Отслеживание кода
6. практика: поиск, исправление и/или игнорирование ошибок в программах R

Модуль 7

1. Работает с датой и временем
2. Обработка текста/строк
3. Регулярное выражение
4. Использование дистрибутивов по умолчанию
5. Визуализация графиков функций
6. практика: Графическая проверка нормальности распределения
7. ДЗ: Проверка гипотез о нормальном распределении по разным критериям, построение гистограммы и огибающей, квантиль-квантильная диаграмма.

Курс «Основы программирования на R» — Stepik

https://stepik.org/course/497/promo

Стоимость: бесплатно

Курс познакомит студентов с языком R, основными структурами данных и семантическими правилами. Мы также рассмотрим несколько подробных тем, которые помогут вам освоить принципы написания эффективного кода.

Программа курса:

Модуль 1: основные структуры и концепции

• Введение в курс
• Переменные, глобальное окружение, помощь
• Векторы (часть 1)
• Структуры управления, работа с пакетами
• Векторы (часть 2)

Модуль 2: расширенные структуры

• Матрицы и списки
• Кадры даты
• Факторы и строки

Модуль 3: расширенное программирование

• Функции
• Элементы функционального программирования
• Обработка данных с помощью dplyr
• Вывод: что дальше?

По окончании обучения выдается сертификат.

Курс «Язык программирования R для начинающих» — BitDegree

https://ru.bitdegree.org/kurs/jazyk-programmirovanija-r

Цена: 733 ₽

Узнайте, как использовать различные пакеты для управления, визуализации данных и других задач, извлечения и передачи данных в среду R, решения бизнес-задач в процессе обучения, создания циклов, переменных, инструкций и т д

Содержание:

1. Введение в R
2. Введение в программирование R
3. Ввод и вывод данных
4. Укажите порядок выполнения
5. Основные понятия программирования R
6. Построение матрицы в R
7. Технический паспорт R
8. Применение новой функции к списку или вектору
9. Обработка данных в Dplyr
10. Визуализация данных в R с помощью ggplot2
11. Введение в машинное обучение
12. Заключение Р.

Курс «Статистика, R и анализ данных» — Бластим

https://agency.blastim.ru/stat_r

Стоимость: нет информации

Девятидневный практический курс, на котором вы не только изучаете статистику, но и понимаете ее.
Мы научимся не только как получить p-значение в программе, но и как рассчитать и понять мощность теста, величину эффекта и другие параметры.
В конце курса вы самостоятельно выполните и презентуете проект. Вы можете придумать свой проект, можете выбрать из предложенных.

Программа:

День первый: основы R

• Презентация программного плана: краткий обзор
• Введение в R и RStudio
• R как калькулятор
• Операторы, функции
• Типы данных
• Векторы, матрицы, списки, фреймы данных

Второй день: предобработка данных в R, знакомство с tidyverse

• Импорт данных
• Работа с проектами RStudio
• Предварительная обработка данных с помощью основных инструментов R
• Условные конструкции в R
• Создание функций
• Циклы и семейство функций
• Работа с пакетами
• Пакеты Data.table и tidyverse
• Аккуратные основы: readr, tibble, magrittr
• Основные операции с данными в tidyverse: выбор строк и столбцов, создание столбцов
• Агрегация данных в dplyr

Третий день: расширенная предварительная обработка данных в упорядоченной описательной статистике

• Чистая концепция данных. Широкие и длинные столы, аккуратные
• Работа с реляционными данными во времени
• Функциональное программирование в муррр
• Описательная статистика (центральные тренды, меры дисперсии, асимметрии, эксцесса, функции и пакеты для описательной статистики)

День четвертый: визуализация в пакете ggplot2, введение в инференциальную статистику

• Визуализация в R: основные инструменты визуализации
• Многоуровневая грамматика для графики и ggplot2
• Инструменты динамического рендеринга в R: HTML-виджеты
• Упражнение на самостоятельную визуализацию
• Уровень значимости. Ошибки типа I и типа II — выборка и генеральная совокупность
• Типы раздач, параметры раздачи
• Нормальное распределение. Функции распределения в R
• Оценка параметров, точечные и интервальные оценки, доверительный интервал
• Проверка гипотезы. Нулевая и альтернативная гипотеза, p-значение

Пятый день: базовые статистические тесты, практика анализа данных

• z-тест и t-тест
• Уровень значимости терминов и статистическая мощность
• Оценка статистической мощности, размера эффекта и размера выборки в R
• Практика анализа данных, предобработка рабочих наборов данных за девятый день

Шестой день: практика анализа данных, базовые статистические тесты (продолжение)

• Непараметрические методы
• Обзор задач и методов в статистике. Как выбрать метод анализа данных
• Дисперсионный анализ (ANOVA) и его варианты
• Корреляция, коэффициенты корреляции

Седьмой день: Общая линейная модель

• Модель линейной регрессии
• Предположения линейной модели. «Остатки», благо MNC
• Множественная линейная регрессия и общая линейная модель

День 8: Обобщения линейной модели, многомерные методы

• Логистическая регрессия. Обобщенная линейная регрессия (обобщенная линейная модель)
• Линейные модели смешанных эффектов
• Другие многомерные методы: кластерный анализ, MDS и PCA

Девятый день: самостоятельный проект.