Udemy
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
Development
Web Development Data Science Mobile Development Programming Languages Game Development Database Design & Development Software Testing Software Engineering Development Tools No-Code Development
Business
Entrepreneurship Communications Management Sales Business Strategy Operations Project Management Business Law Business Analytics & Intelligence Human Resources Industry E-Commerce Media Real Estate Other Business
Finance & Accounting
Accounting & Bookkeeping Compliance Cryptocurrency & Blockchain Economics Finance Finance Cert & Exam Prep Financial Modeling & Analysis Investing & Trading Money Management Tools Taxes Other Finance & Accounting
IT & Software
IT Certification Network & Security Hardware Operating Systems Other IT & Software
Office Productivity
Microsoft Apple Google SAP Oracle Other Office Productivity
Personal Development
Personal Transformation Personal Productivity Leadership Career Development Parenting & Relationships Happiness Esoteric Practices Religion & Spirituality Personal Brand Building Creativity Influence Self Esteem & Confidence Stress Management Memory & Study Skills Motivation Other Personal Development
Design
Web Design Graphic Design & Illustration Design Tools User Experience Design Game Design Design Thinking 3D & Animation Fashion Design Architectural Design Interior Design Other Design
Marketing
Digital Marketing Search Engine Optimization Social Media Marketing Branding Marketing Fundamentals Marketing Analytics & Automation Public Relations Advertising Video & Mobile Marketing Content Marketing Growth Hacking Affiliate Marketing Product Marketing Other Marketing
Lifestyle
Arts & Crafts Beauty & Makeup Esoteric Practices Food & Beverage Gaming Home Improvement Pet Care & Training Travel Other Lifestyle
Photography & Video
Digital Photography Photography Portrait Photography Photography Tools Commercial Photography Video Design Other Photography & Video
Health & Fitness
Fitness General Health Sports Nutrition Yoga Mental Health Dieting Self Defense Safety & First Aid Dance Meditation Other Health & Fitness
Music
Instruments Music Production Music Fundamentals Vocal Music Techniques Music Software Other Music
Teaching & Academics
Engineering Humanities Math Science Online Education Social Science Language Teacher Training Test Prep Other Teaching & Academics
AWS Certification Microsoft Certification AWS Certified Solutions Architect - Associate AWS Certified Cloud Practitioner CompTIA A+ Cisco CCNA CompTIA Security+ Amazon AWS AWS Certified Developer - Associate
Graphic Design Photoshop Adobe Illustrator Drawing Digital Painting InDesign Character Design Canva Figure Drawing
Life Coach Training Neuro-Linguistic Programming Mindfulness Personal Development Personal Transformation Meditation Life Purpose Emotional Intelligence Neuroscience
Web Development JavaScript React CSS Angular PHP WordPress Node.Js Python
Google Flutter Android Development iOS Development Swift React Native Dart Programming Language Mobile Development Kotlin SwiftUI
Digital Marketing Google Ads (Adwords) Social Media Marketing Google Ads (AdWords) Certification Marketing Strategy Internet Marketing YouTube Marketing Email Marketing Google Analytics
SQL Microsoft Power BI Tableau Business Analysis Business Intelligence MySQL Data Analysis Data Modeling Big Data
Business Fundamentals Entrepreneurship Fundamentals Business Strategy Online Business Business Plan Startup Freelancing Blogging Home Business
Unity Game Development Fundamentals Unreal Engine C# 3D Game Development C++ 2D Game Development Unreal Engine Blueprints Blender
2021-01-10 14:04:20
30-Day Money-Back Guarantee
Development Data Science R

Coding in R per l'analisi dati: da principiante a esperto

Il corso completo in italiano sulle basi della programmazione con R per la manipolazione e analisi dei dati
Rating: 4.4 out of 54.4 (505 ratings)
1,610 students
Created by Valentina Porcu
Last updated 1/2021
Italian
30-Day Money-Back Guarantee

What you'll learn

  • Installare R e RStudio
  • Impostare una sessione di lavoro
  • Creare oggetti e funzioni di base su R
  • Riconoscere e creare le strutture di base, oggetti e funzioni
  • Creare vettori, matrici, array, liste, fattori e dataframe
  • Convertire oggetti in R
  • Usare gli operatori logici
  • Usare le istruzioni condizionali o strutture di controllo
  • Creare funzioni
  • Caricare files su R
  • Installare e richiamare i pacchetti per l'estensione delle funzionalità di R
  • Impostare una directory di lavoro
  • Generare sequenze casuali su R
  • Estrarre degli elementi da un oggetto o da un dataset
  • Manipolare vettori, matrici, dataset
  • Gestire i valori mancanti
  • Gestire i dati duplicati
  • Manipolare le date
  • Importare file in vari formati
  • Manipolare dataset, riorganizzandoli e aggregandoli
  • Esplorare la struttura dei dataset
  • Ristrutturare e aggregare i dati
  • Utilizzare alcune funzioni per la statistica di base
  • Creare grafici semplici con le funzioni base
  • Creare grafici con ggplot2
  • Creare ed esportare dei report in vari formati
  • Capire le basi della statistica con R

Course content

10 sections • 57 lectures • 9h 27m total length

  • Preview04:24
  • Preview02:55
  • Scaricare e installare RStudio
    02:36
  • Personalizzare e utilizzare RStudio
    09:46
  • Utilizzare altri IDE con R
    09:07
  • Utilizzare R con RStudio
    3 questions
  • Codice del corso
    00:17

  • R: pro e contro
    02:36
  • Commentare il codice
    01:33
  • Preview04:00
  • Creazione di oggetti
    07:29
  • Esercizio 1
  • Le parentesi
    01:16
  • Tipi di variabili in statistica
    02:38
  • Primi passi con R
    4 questions
  • Le strutture dati in R
    01:13
  • Vettori
    26:29
  • Esercizio 2 - Vettori
  • Matrici
    20:14
  • Esercizio 3 - Matrici
  • Array
    01:00
  • Liste
    04:32
  • Fattori
    06:06
  • Esercizio 4 - liste, array e fattori
  • Dataframe
    19:51
  • Esercizio 5 - dataframe
  • Stringhe
    14:37
  • Esercizio 6 - stringhe
  • Date
    06:03
  • Convertire le strutture dati
    01:46
  • R base versus tidyverse
    02:20
  • Esercizio 7 - date, conversioni, tidyverse
  • Operatori relazionali
    02:41
  • Strutture di controllo
    05:54
  • Funzioni
    05:45
  • Esercizio 8

  • Impostare una directory di lavoro
    02:17
  • Installare e richiamare un pacchetto
    04:59
  • Repository di pacchetti
    02:39
  • Eseguire uno script .R
    01:13
  • Ottenere aiuto
    01:27
  • Siti web su R
    00:12
  • Impostazione dell'ambiente di lavoro
    4 questions

  • Formati dati e fonti comuni per l’analisi dati
    07:49
  • Importazione dati
    01:20
  • File .csv
    15:18
  • File Excel
    02:34
  • File .txt
    03:30
  • File JSON
    02:24
  • File zip
    03:09
  • Esercizio 9

  • Subsetting dei dati
    06:20
  • Le funzioni *apply()
    04:44
  • Manipolazione dati con dplyr
    07:20
  • Altri pacchetti per la manipolazione dati
    07:58
  • Unire due dataset
    04:07
  • Esercizio 10

  • Database
    15:46
  • data.table
    09:43
  • Esercizio 11

  • Statistica di base con R
    21:15
  • EDA: analisi esplorativa di base
    01:57
  • Data quality
    18:33
  • Esercizio 12

  • Visualizzare i dati
    03:35
  • Grafica con R base
    17:38
  • ggplot2 e la funzione ggplot()
    15:23
  • Esercizio 13 - Grafici

  • Creazione di report con R e Markdown
    07:41
  • Creare una presentazione
    02:49
  • Utilizzare Shiny
    07:46
  • Creiamo un'app con Shiny
    08:43

  • Conclusioni
    00:19

Requirements

  • Un computer, una connessione a internet
  • R e RStudio, che installeremo insieme

Description

Questo corso di base di programmazione con R per aspiranti data analyst nasce per accompagnare un principiante nella programmazione, dalle basi del linguaggio di programmazione (uno dei più conosciuti e utilizzati nel campo dell'analisi dati) fino all'utilizzo della statistica descrittiva.

Una volta finito questo corso lo studente sarà in grado di creare, importare, manipolare e gestire dei dataset. Il corso parte dall'impostazione dell'ambiente di lavoro:  vedremo come scaricare, installare e utilizzare alcuni dei più importanti tool per l'utilizzo di R.

Passeremo poi alla creazione degli oggetti: R si basa su alcune strutture che è necessario conoscere, come vettori, matrici, liste e dataframe. Una volta che avremo capito come creare e manipolare queste strutture dati, estrarne degli elementi e salvarle in locale sul computer, passeremo all'utilizzo di loop e alla creazione di funzioni.

Nella sezione successiva vedremo una serie argomenti utili: come impostare una cartella di lavoro, come installare e richiamare un pacchetto, come ottenere delle informazioni sui dati, dove trovare dei dataset per i test e ottenere aiuto su una funzione.

Quando si analizzano dei dati ci si imbatte prima o poi nei dataframe cosiddetti casi x variabili. Vedremo quindi come importare un dataframe dal computer, o da internet, su R. Esistono molte funzioni adatte allo scopo e molti pacchetti che ci sono utili per importare dei dati che sono in alcuni formati particolari, come ad esempio i formati per Excel, il .csv, il .txt o il JSON.

Vedremo poi come manipolare i dati, creare nuove variabili, aggregare i dati, ordinarli in maniera orizzontale e longitudinale, unire due dataset. Per fare questo utilizzeremo alcuni pacchetti e funzioni specifiche, come dplyr, tidyr o reshape2. Vedremo anche brevemente come interfacciarci a un database e utilizzare altri pacchetti per snellire la gestione di dataset un po' più grandi.

R è un linguaggio molto importante anche nell'ambito della statistica. Impareremo quindi alcune delle funzioni di base, come calcolo delle medie per riga o per colonna, e le funzioni statistiche più comuni nell'ambito della statistica descrittiva.

Quando si parla di analisi dati, ci troveremo spesso a creare dei grafici per spiegare i nostri dati e le nostre analisi. Per questo motivo dedichiamo una sezione del corso a vedere come creare dei grafici sia con le funzioni della libreria di base, sia con il pacchetto ggplot2.  

Nelle ultime lezioni del corso vedremo come creare e esportare dei report e delle slide, riepiloghiamo gli argomenti visti e le funzioni utilizzate, e vediamo il materiale di supporto.

Who this course is for:

  • Chi non ha conoscenze pregresse di R e vuole imparare direttamente in italiano
  • Chi cerca uno strumento semplice per imparare a programmare con uno dei linguaggi più utilizzati nell'analisi dati
  • *** Attenzione, R è un linguaggio utilizzato per l'analisi dati

Instructor

Valentina Porcu
Data Scientist
Valentina Porcu
  • 4.2 Instructor Rating
  • 2,710 Reviews
  • 13,349 Students
  • 9 Courses

I'm a computer geek, data mining and research passionate, with a Ph.D in communication and complex systems and years of experience in teaching in Universities in Italy, France and Morocco, and online, of course!

I work as consultant in the field of data mining and machine learning and I like writing about new technologies and data mining. 

I spent the last 12 years working as freelance and researcher in the field of social media analysis, benchmark analysis and  web scraping for database building, in particular in the field of buzz analysis and sentiment analysis for universities, startups and web agencies across UK, France, US and Italy. 

  • Udemy for Business
  • Teach on Udemy
  • Get the app
  • About us
  • Contact us
  • Careers
  • Blog
  • Help and Support
  • Affiliate
  • Terms
  • Privacy policy
  • Cookie settings
  • Sitemap
  • Featured courses
Udemy
© 2021 Udemy, Inc.