2018-06-20
大数据时代数据分析的必备技能
——R
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
报名链接：https://www.cda.cn/kecheng/68.html，点击“立即报名”
R简介：
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、
高校硕士生、博士生、青年教师等。
1. 让学员快速入门并熟练掌握
2. 以实际案例引入，深入浅出地讲解如何使用
3. 学完本课程后，使学员基本上可以使用
|
专题名称 |
授课内容 |
|
第1讲（3小时）
|
目标：掌握
1. 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. 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）
|
目标：
1.何为
2.
3.
4.一元
5.多元 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 |
|
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）
组合预测 |
课程目标：掌握
1.CART 2.Bagging
3. 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）
|
课程目标：掌握 1.间隔分类器 2.支持向量分类器
3. 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 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）
主成分分析 主成分回归 聚类分析 |
目标：掌握 1.主成分分析 2.主成分回归
3. 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： |
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：点击报名链接，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：2881989714
Mail：vip@pinggu.org
Tel： 010-68478566
完 谢谢观看
|
