Γλώσσα R για ανάλυση δεδομένων - μάθημα 50.000 ρούβλια. από την Otus, εκπαίδευση 4 μηνών, ημερομηνία 31 Αυγούστου 2023.

Από το 2016 αναπτύσσω αλγοριθμικά συστήματα συναλλαγών. Πριν από αυτό, εργάστηκε σε συμβουλευτικές υπηρεσίες πληροφορικής και έκανε έρευνα για τις μεγαλύτερες ρωσικές και διεθνείς εταιρείες (Aeroflot, InterRAO, Central Bank, IMF, BNP Paribas επενδυτικοί εταίροι, Monetary Authority of Singapore).Ασχολήθηκε με την επιστήμη και έκανε έρευνα σε επιστημονικά εργαστήρια (Prognoz Risk Lab, Laboratory of Cryptoeconomics and Blockchain Systems) 15 χρόνια εργασιακής εμπειρίας με τον R, διοργανωτή της πρώτης ομάδας R στη Ρωσία, συγγραφέας δημοφιλών βιβλιοθηκών για τη χρήση του R στα χρηματοοικονομικά (rusquant, tcsinvest), τακτικός εισηγητής στο συνέδριο R in Finance (Σικάγο, ΗΠΑ). Από το 2011 συνδιοργανωτής του διεθνούς συνεδρίου Perm Winter School. Επαγγελματίας δάσκαλος. Από το 2016, έχει δώσει μαθήματα διαλέξεων σε περισσότερους από 10 κλάδους σε διάφορα πανεπιστήμια (Higher School of Economics, Perm State National Research University). Υποψήφιος Οικονομικών Επιστημών.

Ασχολούμαι με τα media analytics από το 2011. Χρησιμοποιώ το R από το 2014. Είμαι μέλος της ομάδας ενός πρακτορείου επικοινωνιών που παρέχει μια σειρά από υπηρεσίες επικοινωνίας, από την υποστήριξη δημοσίων σχέσεων και την υπηρεσία τύπου έως μια ολοκληρωμένη ανάλυση του πεδίου πληροφοριών. Η κύρια πελατειακή μας βάση αποτελείται από μη κερδοσκοπικούς και κυβερνητικούς οργανισμούς. Χρησιμοποιώ το R στην εργασία μου για να αυτοματοποιήσω τις διαδικασίες, να αναλύσω κείμενα (αφήγηση ιστοριών, μοντελοποίηση θεμάτων, αναγνώριση οντοτήτων), να αναλύσω τα αποτελέσματα της έρευνας και να αναπτύξω ερωτηματολόγια. Δημιούργησε έναν διαδραστικό πίνακα εργαλείων στο γυαλιστερό, που συνδυάζει δεδομένα από το API των συστημάτων παρακολούθησης και τα αποτελέσματα της ανάλυσης ειδικών. Κύρια στοίβα: R, Python, SPSS, git Teacher

Βασικά Γλώσσα
-Θέμα 1.Πρακτική εφαρμογή
-Θέμα 2. Βασικοί τύποι δεδομένων, διανύσματα και απλές πράξεις σε αυτά
-Θέμα 3. Η διανυσματοποίηση ως βάση των πάντων
-Θέμα 4.Λίστες και οι ειδικές περιπτώσεις τους - πλαίσια δεδομένων
-Θέμα 5. Δομές ελέγχου
-Θέμα 6.Λειτουργίες
Λήψη δεδομένων
-Θέμα 7. Αρχεία επίπεδων τραπεζιών και xlsx (x)
-Θέμα 8.JSON/XML και λήψη δεδομένων μέσω δικτύου
-Θέμα 9. Λήψη δεδομένων από τη βάση δεδομένων
-Θέμα 10.Αποθήκευση αντικειμένων και λίμνες δεδομένων – βέλος, παρκέ, ορκ
-Θέμα 11.Καταγραφή αποτελεσμάτων
Επεξεργασία δεδομένων
-Θέμα 12. Τακτοποιημένα δεδομένα, επεξεργασία με dplyr/tidyr
-Θέμα 13. Πρόσθετη επεξεργασία με χρήση tidyverse (λιπαντικό, forcats, stringr)
-Θέμα 14. Λειτουργική προσέγγιση μετασχηματισμού με το πακέτο purrr
-Θέμα 15. Μια ισχυρή και συνοπτική εναλλακτική – data.table
-Θέμα 16.Άλλες επιλογές (dtplyr, dbplyr, σύμπτυξη)
-Θέμα 17. Λίγα λόγια για τους παράλληλους υπολογιστές
Οπτικοποίηση δεδομένων
-Θέμα 18.Βασικά γραφικά στο R
-Θέμα 19.ggplot2 – βασικά εργαλεία (διάφορα geoms)
-Θέμα 20.ggplot2 – πρόσθετα χαρακτηριστικά (προσόψεις, αλλαγή κλίμακος, αλλαγή συστήματος συντεταγμένων)
-Θέμα 21. Διαδραστικά γραφικά – plotly, dygraphs, echartr
-Θέμα 22. Οπτικοποίηση πινάκων με χρήση gt
Παρουσίαση αποτελεσμάτων ανάλυσης
-Θέμα 23.Rmarkdown και quarto
-Θέμα 24. Shiny – βασικά στοιχεία ανάπτυξης αναλυτικών εφαρμογών (UI + διακομιστής)
-Θέμα 25. Shiny – αντιδραστικότητα εφαρμογής και παρακολούθηση δραστηριότητας χρήστη
Βασικές αρχές Στατιστικής και Μηχανικής Μάθησης
-Θέμα 26. Πακέτο Tidymodels
-Πακέτο Theme 27.mlr3
-Θέμα 28. Πακέτο h2o
Ανάπτυξη και παράδοση
-Θέμα 29.Δοκιμές, χειρισμός σφαλμάτων και καταγραφή
-Θέμα 30. Κώδικας εκτέλεσης – cron
-Θέμα 31. Κώδικας εκτέλεσης – docker
-Θέμα 32.Κώδικας εκτέλεσης – gitlab ci
Εργασία έργου
-Θέμα 33. Επιλογή θέματος και οργάνωση εργασιών έργου
-Θέμα 34. Διαβούλευση για έργα και εργασίες για το σπίτι
-Θέμα 35.Προστασία μελετητικών εργασιών. Συνοψίζοντας το μάθημα