Методическое пособие по курсу "Перспективные информационные технологии" для студентов УрГЭУ, обучающихся по направлению бизнес-информатика.
| № лекции | Тема лекции |
|---|---|
| Лекция №1 | "Структурирование бизнес-задачи" |
| Лекция №2 | "Оценка целесообразности it - разработки с точки зрения экономического эффекта" |
| Лекция №3 | "Настройка рабочего окружения - установка интерпретатора языка R, IDE (RStudio), контроль версий (GIT), renv." |
| Лекция №4 | "Основные типы проектов на языке R. Место языка в современной энтерпрайз -разработке" |
| Лекция №5 | "Работа со справочными материалами. Где искать ответы на свои вопросы" |
| Лекция №6 | "Базовый синтаксис языка R. Базовые структуры данных: векторы, строки, матрицы, списки, дата-фреймы, факторы, классы." |
| Лекция №7 | "Операции CRUD со структурами данных. Индексация. Data-wrangling" |
| Лекция №8 | "Программные конструкции. Управляющие команды. Окружение и проблема видимости." |
| Лекция №9 | "ООП в R - классы S3 и S4" |
| Лекция №10 | "Визуальный (разведочный) анализ данных." |
| Лекция №11 | "Основные методы статистической обработки - описательные статистики и корреляция" |
| Лекция №12 | "Регрессия. Простая и полиномиальная. Выбросы. Влиятельные наблюдения." |
| Лекция №13 | "Дисперсионный анализ. Классификация методом К-ближайших соседей." |
| Лекция №14 | "Методы создания повторных выборок (кросс-валидация)." |
| Лекция №15 | "Деревья решений. Машины опорных векторов (SVM)." |
| Лекция №16 | "Метод главных компонент (PCA). Кластерный анализ по методу К-средних." |
| № лаб.работы | Тема лабораторной работы |
|---|---|
| 1 | Ввод-вывод. Чтение данных из файлов. |
| 2 | Парсинг данных в Интернет |
| 3 | Очистка данных. Строки. Regex. |
| 4 | Написание функций. |
| 5 | Написание классов S3, S4 |
| 6 | Отладка и поиск ошибок в коде R |
| 7 | Улучшение быстродействия кода R |
| 8 | Разведочный анализ |
| 9 | Задачи на регрессию. - контрольная точка 1 |
| 10 | Классификация методом К-ближайших соседей |
| 11 | Разделение данных на обучающую и тестовую выборки |
| 12 | Графы и сети. Визуализация, описание, анализ. |
| 13 | Однослойные нейронные сети. Библиотеки Nnet, Neuralnet |
| 14 | Деревья решений. - контрольная точка 2 |
| 15 | Машины опорных векторов (SVM). |
| 16 | Метод главных компонент (PCA). |
| 17 | Введение в сверточные сети. Фреймворк Keras. |
| 18 | Совмещаем R-код и Python-код. |
| 19 | Клиент-серверное REST-API приложение на R. Библиотека Plumber. |
| 20 | Deploy Shiny web-приложения. - контрольная точка 3 |
| 21 | Deploy web-приложения с помощью HEROKU. |