{"id":833,"date":"2016-04-12T12:24:20","date_gmt":"2016-04-12T10:24:20","guid":{"rendered":"http:\/\/www.datascience.rs\/?p=833"},"modified":"2016-04-12T12:24:20","modified_gmt":"2016-04-12T10:24:20","slug":"prijavi-se-za-kurs-uvod-u-r-za-data-science","status":"publish","type":"post","link":"http:\/\/imuno-srbija.com\/data-science\/en\/2016\/04\/12\/prijavi-se-za-kurs-uvod-u-r-za-data-science\/","title":{"rendered":"Prijavi se za kurs Uvod u R za Data Science!"},"content":{"rendered":"<p><span style=\"font-weight: 400;\">Nau\u010di <\/span><i><span style=\"font-weight: 400;\">besplatno<\/span><\/i><span style=\"font-weight: 400;\"> osnove baratanja podacima i rad sa osnovnim statisti\u010dkim modelima u programskom jeziku R sa nama!<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Zadovoljstvo nam je da vas obavestimo da <\/span><a href=\"http:\/\/www.datascience.rs\/\"><i><span style=\"font-weight: 400;\">Data Science zajednica Srbije<\/span><\/i><\/a> <span style=\"font-weight: 400;\">u saradnji sa <\/span><a href=\"http:\/\/startit.rs\/\"><span style=\"font-weight: 400;\">Startitom<\/span><\/a><span style=\"font-weight: 400;\"> organizuje <\/span><b>besplatan kurs <\/b><span style=\"font-weight: 400;\">&#8211; <\/span><i><span style=\"font-weight: 400;\">Uvod u programski jezik R za Data Science<\/span><\/i><span style=\"font-weight: 400;\">. Poznavanje <\/span><a href=\"https:\/\/www.r-project.org\/\"><span style=\"font-weight: 400;\">ovog programskog jezika<\/span><\/a><span style=\"font-weight: 400;\"> predstavlja jednu od najva\u017enijih pretpostavki za rad u savremenoj Data Science, izazovnoj profesiji koja okuplja istra\u017eiva\u010de i prakti\u010dare u zajednicu za koju se globalno projektuje ogroman broj novih radnih mesta u godinama pred nama. Za u\u010de\u0161\u0107e se mo\u017eete prijaviti ovde, gde \u0107ete, osim forme za prijavu, prona\u0107i kratki opis kursa, kao i nekoliko kratkih uslova za u\u010de\u0161\u0107e. Uvodni kurs po\u010dinje 28. aprila 2016, odvija\u0107e se u dvo\u010dasovnim sesijama u prostorijama Startita svakog \u010detvrtka, ima\u0107e deset sesija, a o prvom sastanku \u0107e polaznici biti obave\u0161teni odmah posle zavr\u0161etka selekcije.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Osnovni preduslov za poha\u0111anje kursa Uvod u R za Data Science je da imate iskustvo prethodnog programiranja u ma kom programskom jeziku koji nije isklju\u010divo deskriptivne prirode (primeri: PASCAL, C, C++, FORTRAN, BASIC, Java, JavaScript, Python\u2026 vi\u0161e ili manje bilo \u0161ta preko HTML i CSS). Preduslov nije da va\u0161e iskustvo bude profesionalno niti elaborirano na bilo koji drugi na\u010din: u su\u0161tini, ako ste ve\u0107 upoznati sa strukturama podataka u nekim proceduralnim i\/ili objektno orijentisanim programskim jezicima, elementima kontrole toka, funkcijama i sl &#8211; slobodno mo\u017eete da se bacite na u\u010denje programskog jezika R sa nama! Saznajte vi\u0161e ovde gde \u0107ete na\u0107i i kratak upitnik koji \u0107e vam pomo\u0107i da odlu\u010dite da li bi vam ovaj kurs bio interesantan.<\/span><\/p>\n<p><span style=\"font-weight: 400;\">Kurs \u0107e dr\u017eati <\/span><a href=\"https:\/\/rs.linkedin.com\/in\/kovacbranko\"><span style=\"font-weight: 400;\">Branko Kova\u010d<\/span><\/a><span style=\"font-weight: 400;\">, Data Analyst u CUBE Risk Management Solutions i jedan od osniva\u010da Data Science zajednice, i <\/span><a href=\"http:\/\/www.exactness.net\/\"><span style=\"font-weight: 400;\">Dr Goran S. Milovanovi\u0107<\/span><\/a><span style=\"font-weight: 400;\">, Data Scientist, <\/span><a href=\"http:\/\/www.diplomacy.edu\"><span style=\"font-weight: 400;\">DiploFoundation<\/span><\/a><span style=\"font-weight: 400;\">. Polaznici \u0107e sa Brankom pro\u0107i va\u017ene osnove programiranja u R-u, dok \u0107e sa Goranom raditi na primeni osnovnih statisti\u010dkih modela u R kroz studije slu\u010daja sa konkretnim projektnim zadacima, \u0161to bli\u017ee pitanjima neposredne primene.<\/span><\/p>\n<p>Za u\u010de\u0161\u0107e se mo\u017eete prijaviti <a href=\"https:\/\/docs.google.com\/forms\/d\/1oYt65Tk7JtsGbxHxfliT3IthT3gmc6-QKCyBO3cqdsA\/viewform?c=0&amp;w=1\" target=\"_blank\" rel=\"noopener\">ovde<\/a>, gde \u0107ete, osim forme za prijavu, prona\u0107i kratki opis kursa, kao i nekoliko kratkih uslova za u\u010de\u0161\u0107e. Uvodni kurs po\u010dinje 28. aprila 2016, odvija\u0107e se u dvo\u010dasovnim sesijama u prostorijama Startita svakog \u010detvrtka, ima\u0107e deset sesija, a o prvom sastanku \u0107e polaznici biti obave\u0161teni odmah posle zavr\u0161etka selekcije.<\/p>\n<p><span style=\"font-weight: 400;\">Pridru\u017eite nam se da zavrtimo R zajednicu kod nas zajedno!<\/span><\/p>\n<p><b><i>Pregled kursa<\/i><\/b><\/p>\n<ul>\n<li><b><b>Uvod u programski jezik R: strukture podataka i osnove kontrole toka.<\/b><\/b><\/li>\n<\/ul>\n<p><i><span style=\"font-weight: 400;\">Ilustrativni pregled programskog jezika R na primerima. Upoznavanje sa radom u RStudio razvojnom okru\u017eenju. \u0160ta sve to R mo\u017ee i kako ga naterati da izvede najjednostavnije trikove koje \u0107emo vu\u0107i u Data Science? \u0160ta je to CRAN repozitorijum R paketa, \u0161ta su uop\u0161te R paketi i kako se instaliraju.<\/span><\/i><\/p>\n<ul>\n<li><b><b>Vektori, matrice, i liste u R.<\/b><\/b><\/li>\n<\/ul>\n<p><i><span style=\"font-weight: 400;\">R je vektorski programski jezik, \u0161to zna\u010di da u R programiranju treba maksimalno da iskoristimo mogu\u0107nost lake i brze manipulacije vektorima i matricama. S druge strane, mnogo rada u R je bazirano na upotrebi lista. Nau\u010di\u0107emo osnove baratanja sa ovim strukturama podataka.<\/span><\/i><\/p>\n<ul>\n<li><b><b>Data frame tip, faktori, i objekti u R.<\/b><\/b><\/li>\n<\/ul>\n<p><i><span style=\"font-weight: 400;\">Data frame nije najjednostavniji tip podataka u R, ali za ve\u0107i broj R paketa za analizu i vizuelizacije on predstavlja polaznu strukturu na koju se primenjuju bitne funkcije. Sli\u010dno, faktori u R su ponekad \u010dvrsto vezani za logiku odre\u0111enih statisti\u010dkih analiza i vizuelizacija. Kona\u010dno, R je objektno-orijentisan programski jezik: dakle, nau\u010di\u0107emo vi\u0161e i o objektima.<\/span><\/i><\/p>\n<ul>\n<li><b><b>Staviti sve to u pogon: strukture podataka + kontrola toka. Funkcije u R.<\/b><\/b><\/li>\n<\/ul>\n<p><i><span style=\"font-weight: 400;\">Sada ve\u0107 programiramo u R, u\u010dimo kako se formiraju i pozivaju funkcije, struktuiramo na\u0161 kod i spremamo se na rad u razli\u010ditim R paketima. Kontrola toka je sigurno u na\u0161im rukama, lako baratamo svim osnovnim tipovima podataka kojima R raspola\u017ee.<\/span><\/i><\/p>\n<ul>\n<li><b><b>Struktuiranje podataka: manipulacija stringovima u R.<\/b><\/b><\/li>\n<\/ul>\n<p><i><span style=\"font-weight: 400;\">Jedna od stvari po kojima se savremena Data Science razlikuje od prethodnog rada u razli\u010ditim oblastima analitike podataka je to \u0161to smo danas \u010desto primorani da se bavimo struktuiranjem nestruktuiranih ili polustruktuiranih informacija, naj\u010de\u0161\u0107e prikupljenih sa interneta. To mahom zna\u010di puno, puno manipulacije stringovima. Uvod u upotrebu R kapaciteta i paketa za rad sa stringovima. Pri\u010da za sebe: regularni izrazi u R.<\/span><\/i><\/p>\n<ul>\n<li><b><b>Korelacije i jednostavna linearna regresija u R<\/b><\/b><\/li>\n<\/ul>\n<p><i><span style=\"font-weight: 400;\">Na osnovu vrednosti jedne varijable, pod odre\u0111enim uslovima koji moraju biti zadovoljeni, u stanju smo da predvi\u0111amo vrednost neke druge varijable. Na osnovu ne\u010dije te\u017eine, makar i neprecizno, mo\u017eemo da predvidimo koliko je ta osoba visoka, ili koji broj cipela nosi. U tr\u017ei\u0161nim istra\u017eivanjima, neko mo\u017ee da nam naru\u010di da na osnovu nekog raspolo\u017eivog znanja o kupcima odre\u0111enog proizvoda predvidimo kako \u0107e se on prodavati. U\u010dimo osnovni model ovakve vrste prediktivnog rada u R, model jednostavne linearne regresije.<\/span><\/i><\/p>\n<ul>\n<li><b><b>Multipla regresija u R<\/b><\/b><\/li>\n<\/ul>\n<p><i><span style=\"font-weight: 400;\">Na osnovu poznavanja vrednosti vi\u0161e varijabli, pod odre\u0111enim uslovima koji moraju biti zadovoljeni, u stanju smo da predvi\u0111amo vrednost neke varijable koja nije me\u0111u njima. U\u010dimo model multipla regresione analize u kome \u0107emo ve\u0107 upoznati ve\u0107inu problema sa kojima se suo\u010davamo u prediktivnom poslu u Data Science. Kako da poku\u0161amo da predvidimo pona\u0161anje nekoga ili ne\u010dega na osnovu prikupljenog velikog broja varijabli tj. osobina te osobe ili tog fenomena? Multipla regresija je verovatno najjednostavniji odgovor na ovo veoma komplikovano pitanje.<\/span><\/i><\/p>\n<ul>\n<li><b><b>Pro\u0161irenje linearnog modela u zadatku klasifikacije: binomijalna i multinomijalna logisti\u010dka regresija u R<\/b><\/b><\/li>\n<\/ul>\n<p><i><span style=\"font-weight: 400;\">Na osnovu poznavanja toga u koju od dve kategorije neka stvar spada, poku\u0161avamo da ka\u017eemo \u0161to vi\u0161e mo\u017eemo o tome zbog kojih njenih osobina &#8211; kojih mo\u017ee biti i veliki broj &#8211; se ona nalazi ba\u0161 tamo. Po\u0161to se re\u0161imo problema binomijalne logisti\u010dke regresije u R, sa\u017eetog u prvoj re\u010denici, prelazimo na slo\u017eeniji problem multinomijalne logisti\u010dke regresije: na osnovu znanja o tome iz koje od vi\u0161e raspolo\u017eivih kategorija dolazi neka stvar, poku\u0161avamo da zaklju\u010dimo zbog kojih njenih osobina se ona na\u0161la ba\u0161 tamo? Interesantno, jednom kada znamo koje osobine vode u koju kategoriju stvari, mi mo\u017eemo da re\u0161imo klasifikacije prethodno neklasifikovanih objekata, \u0161to je jedan od naj\u010de\u0161\u0107ih poslova koje \u0107e Data Scientist imati.<\/span><\/i><\/p>\n<ul>\n<li><b><b>Redukcija dimenzionalnosti: multidimenzionalno skaliranje u R<\/b><\/b><\/li>\n<\/ul>\n<p><i><span style=\"font-weight: 400;\">Postoji veliki, veliki broj osobina kojima ste opisali odre\u0111eni skup objekata. Neko tra\u017ei od vas da napravite pregled te va\u0161e analize i da rezultate prika\u017eete vizuelno \u0161to jasnije. Avaj, vi ste problem opisali preko 100 karakteristika, a ljudski vizuelni sistem trpi dve do tri dimenzije: \u0161ta sad? Redukcija dimenzionalnosti je posao sa kojim se u Data Science sre\u0107emo skoro svaki dan: kako svesti obilje karakteristika stvari na manji broj karakterstika, a izgubiti pri tom \u0161to je manje mogu\u0107e korisnih informacija? Razmatramo tek jedno mogu\u0107e re\u0161enje primenom multidimenzionalnog skaliranja u programskom jeziku R.<\/span><\/i><\/p>\n<ul>\n<li><b><b>Neparametrijski statisti\u010dki modeli u R<\/b><\/b><\/li>\n<\/ul>\n<p><i><span style=\"font-weight: 400;\">Popularnost neparametrijskih statisti\u010dkih metoda ve\u0107 du\u017ee od deceniju dobija na zamahu, zahvalju\u0107i pre svega tome \u0161to se odlikuju pretpostavkama mnogo \u201cjeftinijim\u201d od uobi\u010dajenih. Zavr\u0161avamo sa pregledom osnovnih neparametrijskih metoda u R: kada ih i za\u0161to koristimo, i kako?<\/span><\/i><\/p>\n<!--themify_builder_content-->\n<div id=\"themify_builder_content-833\" data-postid=\"833\" class=\"themify_builder_content themify_builder_content-833 themify_builder tf_clear\">\n    <\/div>\n<!--\/themify_builder_content-->","protected":false},"excerpt":{"rendered":"<p>Nau\u010di besplatno osnove baratanja podacima i rad sa osnovnim statisti\u010dkim modelima u programskom jeziku R sa nama! Zadovoljstvo nam je da vas obavestimo da Data Science zajednica Srbije u saradnji sa Startitom organizuje besplatan kurs &#8211; Uvod u programski jezik R za Data Science. Poznavanje ovog programskog jezika predstavlja jednu od najva\u017enijih pretpostavki za rad [&hellip;]<\/p>","protected":false},"author":1,"featured_media":837,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[25],"tags":[62,123],"_links":{"self":[{"href":"http:\/\/imuno-srbija.com\/data-science\/en\/wp-json\/wp\/v2\/posts\/833"}],"collection":[{"href":"http:\/\/imuno-srbija.com\/data-science\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"http:\/\/imuno-srbija.com\/data-science\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"http:\/\/imuno-srbija.com\/data-science\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"http:\/\/imuno-srbija.com\/data-science\/en\/wp-json\/wp\/v2\/comments?post=833"}],"version-history":[{"count":0,"href":"http:\/\/imuno-srbija.com\/data-science\/en\/wp-json\/wp\/v2\/posts\/833\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"http:\/\/imuno-srbija.com\/data-science\/en\/wp-json\/wp\/v2\/media\/837"}],"wp:attachment":[{"href":"http:\/\/imuno-srbija.com\/data-science\/en\/wp-json\/wp\/v2\/media?parent=833"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"http:\/\/imuno-srbija.com\/data-science\/en\/wp-json\/wp\/v2\/categories?post=833"},{"taxonomy":"post_tag","embeddable":true,"href":"http:\/\/imuno-srbija.com\/data-science\/en\/wp-json\/wp\/v2\/tags?post=833"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}