Gå till index

Analys med R

0% färdig
0/0 Steps
  1. Analys och forskning med R och Posit (Rstudio)
  2. Grunderna i R och Rstudio
    7 Ämnen
  3. Importera, exportera, spara och ladda data
    5 Ämnen
  4. Strängar och regular expressions (regex)
    1 Ämne
  5. Bearbetning av data med dplyr
    12 Ämnen
  6. Visualisera och presentera
    14 Ämnen
  7. Explorerande analyser
    6 Ämnen
  8. Prediktionsmodeller
    12 Ämnen
  9. Klassisk regressionsanalys
    8 Ämnen
  10. Machine learning (ML) och Artificiell Intelligens (AI)
    9 Ämnen
  11. Prediktionsmodeller: Tidymodels
  12. Hypotestester
    1 Ämne
Avsnitt 1 av 12
Startad

Analys och forskning med R och Posit (Rstudio)

Introduktion

Syftet med denna e-bok är att lära dig hur man hanterar, analyserar och presenterar data med hjälp av R. Numera är studenter, forskare och analytiker medvetna om vikten av att själv kunna hantera och analysera data, oavsett yrkeskategori. Hantering och analys av data har blivit en integrerad del av de flesta analytiska yrken. Datavetenskap (data science) har exploderat de senaste åren, så till vida att studenter och yrkesverksamma inom en lång rad områden fortlöpande utsätts för data science eller dess implikationer. Numera är mjukvara och det teoretiska fundamentet tillgängligt för alla. Mjukvaran är kraftfull och enkel att använda. Detta har gjort det möjligt för vem som helst att lära sig analysera data.

Denna e-bok lär dig analysera och presentera data för all form av FOUUI (forskning, utbildning, utveckling, innovation). Författarna till denna e-bok är medicinska forskare med många års erfarenhet av att undervisa i forskningsmetodik. Detta inkluderar både experimentell och observationell forskning. Denna e-boken lär dig utforma forskningsstudier, välja lämpliga analyser, genomföra analyserna och presentera resultaten. R är ett av de mest mest kraftfulla verktygen för den som arbetar med data science. Det finns för närvarande mer än 18000 paket (ett paket är ett bibliotek med färdiga funktioner som du kan använda) tillgängliga till R. Dessa paket underlättar alla aspekter av att analysera data i R. Vem som helst kan lära sig R på några dagar och producera imponerande rapporter. Denna e-bok kommer bland annat att lära dig:

  • Forskningsmetoder
  • Hypoteser och hypotesprövning
  • Observationella kontra experimentella studier
  • Regressionsanalys
  • Överlevnadsanalys
  • AI (artificiell intelligens) och ML (maskininlärning)
  • Strategier för att bygga prediktionsmodeller
  • R (språket) och RStudio
  • Datahantering
  • Visualisering av data i R
  • Analysera data i R
  • Presentera data i R

Denna e-bok ger dig de verktyg som behövs för att analysera data, oavsett om ditt intresse ligger i medicin eller ekonomi.

Python vs R

Python är ett utmärkt språk för data science. Till Python finns ett stort community som utvecklar mjukvara för data science, särskilt för deep learning (en typ av machine learning). I dagsläget har Python flera fördelar gentemot R för den som arbetar med deep learning. Om ditt syfte är att arbeta enbart med deep learning så rekommenderar vi att du vänder dig till en kurs/bok om Python. För alla övriga rekommenderar vi R.

Acknowledgements

Flera sektioner i denna e-bok är starkt inspirerade av motsvarande kapitel i nedanstående böcker.

R for data science av Hadley Wickham.

R Workflow av Frank Harrell

Tidy Modelling With R av Julia Sielge oh Max Kuhn

Hands on programming with R av Garrett Grolemund