R osiąga to, łącząc w sobie elastyczność języka programowania (możliwość zmiany struktury danych, tworzenia własnych funkcji, wykonywania zadań w pętlach itp.) z zaletami oprogramowania Business Intelligence (łatwość zastosowania metod analitycznych i wizualizacji odpowiadających na konkretne potrzeby biznesowe). Wprowadzone na kursie podstawowym i znane każdemu analitykowi główne metody statystyczne – tabele kontyngencji, porównania średnich w podgrupach i analiza korelacji – są zazwyczaj punktem wyjścia do dalszych dociekań. Dopiero metody wielowymiarowej analizy danych, takie jak modele regresji, analiza czynnikowa, clustering i mapy percepcyjne dają wgląd w prawdziwe tajemnice ukryte w danych. Te właśnie zaawansowane techniki zamierzam przybliżyć na kursie średniozaawansowanym.

Szczegółowy zakres szkolenia:

Część 1: Instrumentarium Data Scientist

• Tworzenie własnych funkcji
  • składnia funkcji
  • argumenty funkcji: wymagane i domyślne wartości
  • zwracanie wartości w sposób jawny i ukryty
  • obsługa błędów
  • wczytywanie podręcznego zestawu funkcji z zewnętrznych skryptów
• Wykonywanie zadań w pętlach
  • składnia pętli for i while
  • funkcje z rodziny apply()
• Wczytywanie danych ze źródeł zewnętrznych
  • wczytywanie danych wprost z arkuszy Excel
  • zapis i odczyt danych w formacie RDS
  • przykłady wczytywania danych ze źródeł zewnętrznych: Google Drive, bazy SQL, API zewnętrznych aplikacji, web scraping
• Łączenie baz danych wierszami (dołączanie przypadków)
• Przekształcanie struktury danych z formatu długiego w format szeroki i na odwrót
• Przygotowanie danych do dalszej analizy z wykorzystaniem operatora potoku (%>%)
  • sortowanie zbioru
  • usuwanie i podmiana braków danych
  • filtrowanie obserwacji
  • selekcja zmiennych i modyfikacja ich nazw
  • tworzenie zmiennych będących funkcjami zmiennych istniejących
  • grupowanie i wyliczanie parametrów w podgrupach
  • łączenie baz danych kolumnami (dołączanie zmiennych)

Część 2: Zaawansowane metody statystyczne

• Analiza czynnikowa i analiza głównych składowych
  • idea i zastosowania analizy czynnikowej
  • dobór parametrów analizy: metoda rotacji
  • sposób interpretacji wyników
  • ocena jakości rozwiązania i sposoby jego poprawy
  • tworzenie map percepcyjnych z wykorzystaniem analizy czynnikowej
• Modele regresyjne
  • model regresji jako narzędzie opisu i przewidywania
  • regresja liniowa: interpretacja współczynników równania i wartości R²
  • szacowanie siły wpływu: indeks Pratta
  • poprawa dopasowania modelu:
    • minimalizacja wzajemnego skorelowania predyktorów
    • nieliniowe przekształcenia zmiennych: rule of the bulge
    • eliminacja przypadków odstających
  • metody poprawy rozwiązania: selekcja predyktorów
  • dodawanie interakcji międzyzmiennowych do modelu
  • regresja nieliniowa: wielomianowa i logistyczna
• Analiza skupień (clustering)
  • zastosowania analizy skupień: znaczenie biznesowe segmentacji rynku
  • przygotowanie danych do analizy skupień: standaryzacja i ortogonalizacja zmiennych, eliminacja przypadków odstających
  • clustering hierarchiczny i clustering k-średnich: wybór parametrów analizy
  • interpretacja i wizualizacja wyników analizy skupień
  • kryteria wyboru optymalnego rozwiązania
• Analiza korespondencji
  • przygotowanie danych wejściowych do analizy
  • interpretacja wyników
  • generowanie mapy korespondencji i dostosowanie jej wyglądu
  • wykorzystanie analizy korespondencji do wizualizacji wizerunku marki

Do kogo kierowane jest szkolenie:

Kurs średniozaawansowany został stworzony dla osób, które posiadają już podstawowe umiejętności analizy danych w języku R (np. wczytywanie pliku CSV, opis parametryczny jednej zmiennej, generowanie tabel itp.). Na szkolenie średniozaawansowane zapraszamy więc osoby, które znają już trochę język R, ale chciałyby nabrać w posługiwaniu się nim większej biegłości, lub opanować techniki analityczne stosowane w branży badań rynku. W podążaniu za programem kursu pomocna będzie podstawowa wiedza z zakresu statystyki oraz doświadczenie w stosowaniu omawianych metod, np. w pakiecie SPSS.

Korzyści dla uczestników:

Po ukończeniu tego szkolenia uczestnik będzie potrafił:

• Definiować własne funkcje statystyczne
• Uruchamiać skrypty bez otwierania ich w edytorze (wstęp do programowania modularnego)
• Wykonywać operacje w pętlach
• Wczytywać dane z wybranej zakładki w arkuszu Excel i z formatu RDS
• Łączyć bazy danych wierszami (dodawanie przypadków) i kolumnami (dodawanie zmiennych)
• Zmieniać format danych z formatu baz relacyjnych („długiego”) na częściej stosowany w badaniach format „szeroki”
• Posługiwać się funkcjami pakietów dplyr i tidyr do przetwarzania zbiorów danych, w celu przygotowania danych do dalszej analizy
• Wykonywać analizę czynnikową i interpretować jej wyniki
• Tworzyć mapy percepcyjne z wykorzystaniem czynników
• Przeprowadzać analizę regresji, interpretować jej wyniki i optymalizować dopasowanie modelu
• Szacować procentowy udział siły wpływu każdego z predyktorów na zmienną zależną
• Interpretować wyniki regresji liniowej z interakcją i bez, wielomianowej oraz logistycznej
• Przeprowadzać analizę skupień metodami hierarchicznymi i k-średnich
• Wybierać podział zbioru najbardziej obiecujący pod kątem segmentacji rynku
• Przeprowadzać analizę korespondencji
• Generować i interpretować mapę korespondencji zawierającą marki i cechy wizerunkowe

Kluczowe pojęcia i zagadnienia:

Pojęcia z zakresu programowania: wymagane i opcjonalne argumenty funkcji, domyślna wartość argumentu, wrapper, funkcja przeciążona, obsługa błędów, programowanie modularne, pętla, inkrementacja, warunek stopu, API, format JSON, długi i szeroki format danych, potok (pipeline)

Pojęcia statystyczne: czynnik, standaryzacja, rotacja, wykres osypiska, ładunki czynnikowe, predykcja, zależność liniowa i nieliniowa, zmienna zależna i predyktory, moc predykcyjna modelu, współczynniki standaryzowane Beta, współczynnik Pratta, skorelowanie wzajemne, przypadki odstające, przekształcenie nieliniowe, logarytm, wielomian, logit, ortogonalność, segmentacja, skupienie (cluster), metryka, odległość Euklidesowa, metoda aglomeracji, profil wierszowy i kolumnowy, rozkład wg. wartości osobliwych macierzy (singular value decomposition, SVD), masa i moment punktu

Forma szkolenia:

Szkolenie będzie miało formę warsztatową. Zdecydowaną większość czasu spędzimy, pisząc i testując kod na własnych komputerach. Moduły tematyczne składające się z teorii i przykładów będą przedzielane ćwiczeniami indywidualnymi, służącymi utrwaleniu materiału.

Stopień zaawansowania:

Kurs średniozaawansowany jest kontynuacją i rozwinięciem szkolenia „R dla badaczy – poziom podstawowy”, toteż opanowanie podstawowych umiejętności analizy danych w R (niekoniecznie w ramach szkolenia podstawowego) z powodzeniem wystarczy do podążania za programem kursu średniozaawansowanego. Podstawowa wiedza na temat omawianych metod analitycznych (analiza czynnikowa, analiza regresji, analiza skupień i analiza korespondencji) będzie pomocna, ale zagadnienia te w razie potrzeby zostaną objaśnione.