Data Science Fundamentals in R - Data Science - R - Software Development / Ontwikkeling - Programmeren (algemeen) - Data science met R - Functioneel programmeren - IT voor niet IT-ers

Na inschrijving van de Award Winning E-learning training Data Science Fundamentals in R, ontvangt u per e-mail een link om in te loggen in uw leeromgeving waar u een persoonlijk wachtwoord aanmaakt. Eenmaal ingelogd in uw persoonlijke leeromgeving ziet u een overzicht van de cursusonderdelen. Via de inhoudsopgave schakelt u automatisch over naar elk gewenst onderdeel van de training.

Er zit tevens een Voortgangsbewaking bij om eenvoudig te zien hoe ver u bent binnen uw training. U kunt daarbij 1 jaar lang (365 dagen), 24/7 (elke dag en nacht) inloggen om verder te gaan met de training.

Deze Engelstalige training met ondertiteling heeft interactieve, eenvoudig te volgen video's in HD beeldkwaliteit met heldere audio kwaliteit. Daarnaast biedt de training Support en/of een Online Mentor aan als u problemen ondervindt. De training is beschikbaar in elke browser voor zowel PC, Mac, Tablet én Smartphone. Dus zelfs via uw mobiel kunt u handig de training volgen.

De training is inclusief lees- en/of praktijkopdrachten met trainingstest, mits noodzakelijk voor de training. Na afronding van de training krijgt u een Certificaat van Deelname en sluit u zich aan bij de reeds duizenden tevreden cursisten.

R is een van de meest gebruikte tools voor datawetenschap. Dit pad van cursussen omvat veelvoorkomende taken die nodig zijn voor datawetenschappers die R gebruiken: data-ruzie, debuggen, defensief programmeren en domeinspecifieke taalintegratie.

Cursusinhoud

Data Wrangling in R

Course: 1 Hour, 27 Minutes

• Course Introduction
• Introduction to Data Wrangling in R

Debugging in R

Course: 56 Minutes

• Course Introduction
• Debugging with RStudio
• Using Traceback
• Debugging with Browser
• Displaying Warnings and Messages
• Implementing Handlers
• Benchmarking in R

Programming Techniques in R

Course: 1 Hour, 32 Minutes

• Course Introduction
• Using substitute, quote, and deparse
• Using ast
• Using str
• Lazy Evaluation in R
• Using eval
• Using paste Functions

Domain-Specific Tools in R

Course: 1 Hour, 9 Minutes

• Course Introduction
• Exploring the tidyverse Collection of Libraries
• Manipulating Strings with the stringr Library
• Using the forcats Library
• Using the purrr Library