zhujiedong / data-science-introduction-with-r

R 语言数据科学导论 | Data Science Introduction with R

Data Science Introduction with R

---

简介 - Introduction

1. 本项目是一套以 R 为分析语言的数据科学入门教程。
2. 托管网站: https://ds-r.leovan.tech
3. Git 仓库目录结构:
   • base 目录：幻灯片相关配置文件
   • docs 目录：其他资料
   • 其他一级目录：
   • 二级目录：
     • *.pdf：本节课程幻灯片
     • data：本节课程所需数据文件
     • slide：本节课程幻灯片源代码
4. 本项目遵守 CC BY-NC-SA 4.0 协议。

准备 - Preparation

1. 操作系统: Windows 10+ (x64)，macOS 10.12+，Ubuntu 16.04+
2. R 最新版本 (下载地址)
3. RStudio: 最新 Preview 版本 (下载地址，Preview 版本有些新特性比较实用)
4. Visual Studio Code: 最新版本 (下载地址，用于代码浏览和编辑)
5. Python: 最新版本 Anaconda Python 3 (下载地址，用于 Jupyter 基础环境)
6. Visual Studio Code: 最新版本 (下载地址，用于代码浏览和编辑)
7. Typora: 最新版本 (下载地址，用于 Markdown 浏览)

参考书籍 - Reference

1. 《R语言实战》(R in Action)，Robert I. Kabacoff 著，王小宁、刘撷芯、黄俊文 等 译
2. 《R数据科学》(R for Data Science)，Hadley Wickham & Garrett Grolemund 著，陈光欣 译
3. 《高级R语言编程指南》(Advanced R)，Hadley Wickham 著，潘文捷、许金炜、李洪成 译
4. 《基于R语言的机器学习》(Introduction to Machine Learning with R)，Scott V. Burger 著，马晶慧 译
5. 《机器学习与R语言》(Machine Learning with R)，Brett Lantz 著，李洪成、许金炜、李舰译 译
6. 《统计学习方法》李航 著
7. 《机器学习》周志华 著
8. 《深度学习》(Deep Learning)，Ian Goodfellow, Yoshua Bengio & Aaron Courville 著，赵申剑、黎彧君、符天凡、李凯 译

数据科学简介 - Data Science Introduction

1. 数据科学概念
   • 数据科学
   • 数据产品
   • 跨界
2. 数据科学工具箱
   • 数据科学常用工具
   • 数据科学之战：R 和 Python
   • 选择哪种语言
3. 数据科学分工与流程
   • 数据科学分工
   • 数据分析和挖掘流程

R 语言简介 - R Language Introduction

1. R 相关环境配置
2. R 基础语法
3. R 对象，函数和扩展包
4. R 数据结构
5. R 语言编码风格

数据分析基础 (上) - Data Analytics Introduction - Part 1

1. 大神的工具箱
2. 数据导入和导出
3. 数据转换和规整

数据分析基础 (下) - Data Analytics Introduction - Part 2

1. 关系数据处理
2. 不同类型数据处理
3. 函数式编程

数据可视化 - Data Visualization

1. 数据可视化
2. ggplot2
3. 基于 Web 的绘图库

统计分析基础 - Statistical Analytics Introduction

1. 探索性分析
   • 描述性统计量
   • 常用分布
2. 实验设计
   • 假设检验概念
   • 常用假设检验
3. 线性回归
   • 一元线性回归
   • 多元线性回归
   • 广义线性回归
   • 最小二乘法与梯度下降

特征工程 - Feature Engineering

1. 数据预处理
   • 数据清洗
   • 缺失值，重复值，异常值处理
   • 数据采样，数据集分割
2. 特征变换和编码
   • 无量纲化
   • 分箱
   • 哑变量化
3. 特征提取，选择和监控
   • 特征提取
   • 特征选择
   • 特征监控

模型评估 & 超参数优化 - Model Evaluation & Hyperparameter Optimization

1. 模型性能评估
   • 回归问题
   • 分类问题
   • 聚类问题
2. 模型生成和选择
   • 过拟合问题
   • 评估方法
   • 偏差和方差
3. 超参数优化
   • 搜索算法
   • 进化和群体算法
   • 贝叶斯优化

分类算法 (上) - Classification Algorithms - Part 1

1. 逻辑回归
2. 决策树

分类算法 (下) - Classification Algorithms - Part 2

1. Bagging
2. Boosting
3. Stacking

时间序列算法 - Time Series Algorithms

1. 时间序列
2. ARIMA 模型
3. 季节性分析
4. Prophet

聚类算法 - Clustering Algorithms

1. K-means
2. 层次聚类
3. 基于密度的聚类

可重复性研究 - Reproducible Research

1. 可重复性研究
2. Markdown
3. R Markdown
4. Jupyter
5. 版本控制

深度学习算法 - Deep Learning Algorithms

1. 人工神经网络
2. 卷积神经网络
3. 循环神经网络
4. 深度学习框架