Vrije University - Summer graduate programs
Θερινό Μάθημα Ανάλυσης Δεδομένων στο Ρ
Amsterdam, Κάτω Χώρες
Θερινά μαθήματα
ΔΙΆΡΚΕΙΑ
2 εβδομάδες
ΓΛΏΣΣΕΣ
Αγγλικά
ΡΥΘΜΌΣ
Πλήρης απασχόληση
ΠΡΟΘΕΣΜΊΑ ΕΦΑΡΜΟΓΉΣ
15 May 2026
ΠΡΩΙΜΌΤΕΡΗ ΗΜΕΡΟΜΗΝΊΑ ΈΝΑΡΞΗΣ
06 Jul 2026
ΔΊΔΑΚΤΡΑ
EUR 1.360 / per course *
ΜΟΡΦΉ ΜΕΛΈΤΗΣ
Στην Πανεπιστημιούπολη
* Φοιτητές της VU
Τα δεδομένα υπάρχουν παντού, αλλά η ανάκτηση πολύτιμων πληροφοριών απαιτεί σημαντικές αναλυτικές δεξιότητες. Ο μεγάλος αριθμός ενεργών προγραμματιστών που δημιουργούν πακέτα R καθιστά το R κατάλληλο για μια σειρά τεχνικών ανάλυσης δεδομένων, από τον έλεγχο βασικών υποθέσεων έως τη γενικευμένη γραμμική παλινδρόμηση και την πολυμεταβλητή ανάλυση, όπως η κύρια συνιστώσα, η παραγοντική ανάλυση ή η ομαδοποίηση. Θα εφαρμόσετε αυτά που μάθατε αμέσως σε σύντομες ασκήσεις χρησιμοποιώντας το Rmarkdown. Θα βαθμολογηθείτε χρησιμοποιώντας μια εργασία στην οποία θα μάθετε να αντιμετωπίζετε ακατάστατα δεδομένα και να ενσωματώνετε τις γνώσεις που αποκτήσατε στις ασκήσεις. Το μάθημα είναι εξαιρετικά εντατικό καθώς επικεντρώνεται τόσο στην ερμηνεία στατιστικών στοιχείων όσο και στην εκμάθηση προγραμματισμού στο R.
Με την αυξανόμενη χρήση των γλωσσών προγραμματισμού στην ανάλυση δεδομένων, τώρα είναι η ώρα να μάθετε τα μέσα και τα έξω τους. Αυτό το μάθημα εστιάζει στην κατανόηση στατιστικών μοντέλων και στην ανάλυση των αποτελεσμάτων, ενώ μαθαίνει να δουλεύει με το R. Καθώς και εισάγει το λογισμικό σε νεοεισερχόμενους, παρουσιάζει βασικές και πιο προηγμένες στατιστικές χρησιμοποιώντας ένα γενικό πλαίσιο του γενικευμένου γραμμικού μοντέλου.
- Επίπεδο μαθήματος: Master / Advanced / PhD
- Μονάδες: 3 ECTS
- Ώρες επικοινωνίας: 45
- Γλώσσα: Αγγλικά
- Δίδακτρα: €735 - €1310
Υποτροφία Ίσης Πρόσβασης
Διαδικασία εφαρμογής
Η αίτηση για την υποτροφία Equal Access θα ανοίξει τον Φεβρουάριο
Υπέροχο που ενδιαφέρεστε να κάνετε αίτηση για την υποτροφία Equal Access. Μπορείτε να κάνετε αίτηση για την υποτροφία μεταξύ 12 Φεβρουαρίου και 1 Απριλίου. Λάβετε υπόψη ότι είναι δυνατή η επιλογή μόνο ενός μαθήματος.
Τα αποτελέσματα της επιλογής των υποτροφιών θα ανακοινωθούν τον Μάιο. Δεδομένου ότι διαθέτουμε περιορισμένο αριθμό υποτροφιών για μεγάλο αριθμό υποψηφίων, προτείνουμε - αν είναι δυνατόν! - για να ολοκληρώσετε την πληρωμή σας τη στιγμή της αίτησης για το μάθημά σας για να εξασφαλίσετε τη θέση σας στο μάθημα. Ωστόσο, εάν δεν μπορείτε να έρθετε χωρίς την υποτροφία, μπορείτε απλώς να περιμένετε μέχρι την ανακοίνωση. Εάν θέλετε να έρθετε, ανεξάρτητα από το αν θα σας χορηγηθεί η υποτροφία, είναι καλύτερο να εξασφαλίσετε τη θέση σας στο μάθημα συμπληρώνοντας την πληρωμή σας μέσω της κανονικής φόρμας αίτησης. Εάν σας χορηγηθεί η υποτροφία, τα δίδακτρα και τα έξοδα διαμονής θα επιστραφούν.
Προθεσμία υποβολής της αίτησής σας για Υποτροφία Ίσης Πρόσβασης: 31 Μαρτίου (23:59 CET).
Απαιτήσεις
Όταν κάνετε αίτηση μέσω της φόρμας αίτησης υποτροφίας Equal Access, θα σας ζητηθεί να ανεβάσετε τα ακόλουθα έγγραφα:
- Βιογραφικό σημείωμα (CV) στο οποίο θα αναφέρεται το εκπαιδευτικό σας υπόβαθρο.
- Επαγγελματική Επιστολή Συστάσεων που περιλαμβάνει:
- Η εμπειρία του/της από τη συνεργασία μαζί σας (είτε σε ακαδημαϊκό, επαγγελματικό ή εθελοντικό περιβάλλον)
- Το κίνητρό του/της για να σας προτείνουν για την υποτροφία
- Πλήρη στοιχεία επικοινωνίας
- Κατά τη συμπλήρωση της φόρμας υποτροφίας, θα θέσουμε τις ακόλουθες ερωτήσεις*:
- Γιατί ενδιαφέρεστε να εγγραφείτε στο VU Amsterdam Summer School;
- Ποιο είναι το κίνητρό σας για την επιλογή αυτού του μαθήματος;
- Πώς θα χρησιμοποιήσετε τις πληροφορίες που μαθαίνετε για να έχετε θετικό αντίκτυπο στο μέλλον τόσο για εσάς όσο και για την κοινότητά σας;
- Γιατί σας αξίζει αυτή η υποτροφία;
Παρακαλούμε μείνετε σε 150 λέξεις το πολύ ανά ερώτηση.
Green Travel Grant
Στο VU Amsterdam Summer School, δεσμευόμαστε επίσης στους στόχους βιωσιμότητας του VU και στοχεύουμε στη μείωση των περιβαλλοντικών επιπτώσεων της κινητικότητας και, συγκεκριμένα, των φοιτητικών ταξιδιών. Ως εκ τούτου, είμαστε ενθουσιασμένοι που προσφέρουμε Green Travel Grants για να ενθαρρύνουμε τα βιώσιμα ταξίδια για τους μαθητές που φοιτούν στο θερινό μας σχολείο.
Πού μπορώ να κάνω αίτηση;
Μόλις επιβεβαιωθεί η διεξαγωγή των μαθημάτων στα μέσα Μαΐου ή Ιουνίου, θα στείλουμε ένα ενημερωτικό δελτίο στους συμμετέχοντες με έναν σύνδεσμο όπου μπορούν να υποβάλουν αίτηση είτε για χρηματοδότηση για ταξίδια με τρένο είτε για χρηματοδότηση για ταξίδια με λεωφορείο.
Η περίοδος υποβολής αιτήσεων θα διαρκέσει δύο εβδομάδες και θα επιλέξουμε τους νικητές μέσω συστήματος κλήρωσης. Περισσότερες πληροφορίες σχετικά με τις συγκεκριμένες προθεσμίες μπορείτε να βρείτε στο ενημερωτικό δελτίο που θα στείλουμε τον Μάιο.
Πώς λειτουργεί;
Για να λάβουν οι φοιτητές την οικονομική αποζημίωση, θα πρέπει να υποβάλουν τα αγορασμένα ταξιδιωτικά τους εισιτήρια μέσω email εντός δύο εβδομάδων από την επιλογή τους ως νικητές της επιχορήγησης. Μόλις παρέλθει η προθεσμία υποβολής των εισιτηρίων τους, οι φοιτητές θα λάβουν την επιστροφή των χρημάτων.
Τελευταία ευκαιρία για αίτηση!
Η πρώτη εβδομάδα είναι αφιερωμένη στην εκμάθηση του τρόπου χρήσης του R και της ανάλυσης παλινδρόμησης. Ξεκινάμε με την ανάγνωση δεδομένων σε R, τα περιγραφικά στατιστικά στοιχεία και την οπτική αναπαράσταση δεδομένων, που είναι το πρώτο βήμα για στατιστικές αναλύσεις. Στη συνέχεια εισάγουμε το μοντέλο γραμμικής παλινδρόμησης, ένα ευρέως χρησιμοποιούμενο μοντέλο με δύο κύριους σκοπούς: μοντελοποίηση σχέσεων μεταξύ των μεταβλητών και πρόβλεψη μελλοντικών παρατηρήσεων.
Τη δεύτερη εβδομάδα, θα επεκτείνουμε το γραμμικό μοντέλο στο γενικευμένο γραμμικό πλαίσιο, προκειμένου να αναλύσουμε διακριτές εξαρτημένες μεταβλητές. Η παλινδρόμηση logit με την οποία θα εργαστείτε αποδεικνύεται χρήσιμη για την κατανόηση του υπόλοιπου μαθήματος: ταξινόμηση. Θα μάθετε πώς να μειώνετε τις διαστάσεις δεδομένων χρησιμοποιώντας την ανάλυση κύριων συστατικών και την ανάλυση συμπλέγματος και πώς να χρησιμοποιείτε τις μεθόδους που έχουν μάθει για πρόβλεψη.
Κάθε μέρα αποτελείται από σύντομες διαλέξεις με παραδείγματα και ασκήσεις στις οποίες εφαρμόζετε ό,τι έχετε μάθει αμέσως. Το επίκεντρο των ασκήσεων και της ανάθεσης είναι η κωδικοποίηση στο R και ο τρόπος εφαρμογής και ερμηνείας μοντέλων γενικευμένης γραμμικής παλινδρόμησης. Μετά το μάθημα, υποτίθεται ότι θα δουλέψετε σε μια εργασία στην οποία ενσωματώνετε όσα μάθατε στις ασκήσεις κατά τη διάρκεια του μαθήματος. Αυτή η εργασία θα βαθμολογηθεί.
Εβδομάδα 1
1η μέρα: Εισαγωγή
Ξεκινάμε εξηγώντας τα βασικά του περιβάλλοντος R και του Rstudio. Θα μάθετε πώς να εργάζεστε με τους κύριους τύπους δεδομένων στο R: διάνυσμα, παράγοντας, πίνακας, λίστα και πλαίσια δεδομένων. Θα μάθετε να δημιουργείτε μεταβλητές, να επιλέγετε περιπτώσεις και μεταβλητές και πώς να χρησιμοποιείτε διαγράμματα. Εισάγονται απλές συναρτήσεις για τον υπολογισμό του μέσου όρου και της τυπικής απόκλισης.
Ημέρα 2: Δεδομένα & λειτουργίες
Θα διαβάσετε ένα αρχείο δεδομένων στο R και θα μάθετε πώς να υπολογίζετε περιγραφικά στατιστικά στοιχεία και συχνότητες στο R. Οι συναρτήσεις που συζητήθηκαν την προηγούμενη ημέρα θα εφαρμοστούν σε αυτό το σύνολο δεδομένων έρευνας. Επιπλέον, συζητούνται διάφορες εντολές βρόχου που σας επιτρέπουν να εκτελείτε πολύπλοκες εργασίες σε ολόκληρο το σύνολο δεδομένων. Εισάγουμε τη διανυσματοποίηση ως εναλλακτική λύση στους βρόχους. Αν και ένας βρόχος είναι πιο διαισθητικός, η διανυσματοποίηση είναι πολύ πιο γρήγορη. Καθ' όλη τη διάρκεια του μαθήματος, θα εξασκήσουμε αυτές τις δεξιότητες γράφοντας μια συνάρτηση για το τεστ t, τη γραμμική παλινδρόμηση και το τεστ αναλογίας λογαριθμικής πιθανότητας.
Ημέρα 3: Απλή παλινδρόμηση
Θα συζητήσουμε πώς το γραμμικό μοντέλο σχετίζεται με το t-test. Θα μάθετε πώς να ερμηνεύετε τα αποτελέσματα με μια ανεξάρτητη ψευδομεταβλητή ή μεταβλητή διαστήματος και πώς μπορείτε να ελέγξετε τις υποθέσεις της γραμμικής παλινδρόμησης.
Ημέρα 4: Υποθέσεις παλινδρόμησης
Θα μάθετε πώς να ερμηνεύετε τα αποτελέσματα με μία ανεξάρτητη μεταβλητή διαστήματος και πώς μπορείτε να ελέγξετε τις υποθέσεις της γραμμικής παλινδρόμησης. Οι υποθέσεις της γραμμικής παλινδρόμησης αποτελούν τη βάση της δυνατότητας να εμπιστευτείτε τις εκτιμήσεις και τα τυπικά σφάλματα. Θα μάθετε πώς να τις ελέγχετε και ποιες είναι οι συνέπειες της παραβίασης αυτών των υποθέσεων.
Ημέρα 5: Πολλαπλή παλινδρόμηση
Αυτή η ημέρα έρχεται να συμπληρώσει την 3η ημέρα, κατά την οποία θα ασχοληθούμε με την απλή παλινδρόμηση. Το μοντέλο πολλαπλής παλινδρόμησης προσθέτει επιπλέον την έννοια του «ceteris paribus». Θα ασχοληθούμε επίσης με τα φαινόμενα συγχύσεως και αλληλεπίδρασης, καθώς και με το πότε και πώς να χρησιμοποιούμε το κέντρο μέσου όρου.
Εβδομάδα 2
Ημέρα 6: Λογιστική παλινδρόμηση
Θα εισαγάγουμε την λογιστική παλινδρόμηση ως μέρος του γενικευμένου γραμμικού πλαισίου. Θα υπολογίσουμε την αναλογία πιθανοτήτων και θα συζητήσουμε πώς σχετίζεται με το τεστ χ-τετράγωνο και την λογιστική παλινδρόμηση. Επιπλέον, θα συζητήσουμε τη δοκιμή αναλογίας λογαριθμικής πιθανότητας για να συγκρίνουμε δύο ή περισσότερα μοντέλα.
Ημέρα 7: Ταξινόμηση / Γραμμική Διακριτική Ανάλυση
Πολλά σύνολα δεδομένων είναι πολυδιάστατης φύσης, στα οποία δεν υπάρχει καθορισμένη εξαρτημένη ή ανεξάρτητη μεταβλητή. Μαθαίνετε πώς να εφαρμόζετε γραμμική (τετραγωνική) διακριτική ανάλυση ως τεχνική μείωσης δεδομένων και πώς να σχεδιάζετε το όριο απόφασης.
Ημέρα 8: Ανάλυση συστάδων
Θα μάθετε για μέτρα ομοιότητας, πώς να διαβάζετε γραφικά δενδρογράμματα, πώς να χρησιμοποιείτε τον αλγόριθμο K-means για ταξινόμηση και πώς να οπτικοποιείτε ομαδοποιημένα δεδομένα στο R.
Ημέρα 9: Ανάλυση κύριας συνιστώσας / Επιβεβαιωτική παραγοντική ανάλυση
Πολλές κλίμακες στην έρευνα δημοσκοπήσεων είναι κλίμακες πολλαπλών στοιχείων. Θα μάθετε για τα ζητήματα εγκυρότητας και αξιοπιστίας που περιβάλλουν αυτές τις κλίμακες και πώς να εφαρμόζετε και να ερμηνεύετε την επιβεβαιωτική παραγοντική ανάλυση. Θα συζητήσουμε τα φορτία παραγόντων, τις συσχετίσεις παραγόντων και τις διακυμάνσεις των στοιχείων. Θα μάθετε πώς να ελέγχετε τις διαφορές των ομάδων χρησιμοποιώντας ανάλυση πολλαπλών ομάδων και ανάλυση διαμεσολάβησης.
Ημέρα 10: Ανακεφαλαίωση και τακτοποιημένες μέθοδοι εργασίας
Αυτή η τελευταία ημέρα θα χρησιμοποιηθεί για:
- Ανακεφαλαιώστε το υλικό
- Εξηγήστε περισσότερα σχετικά με το πώς μπορείτε να καθαρίσετε τον κώδικά σας και να βελτιώσετε τη ροή εργασίας σας,
- Για να δουλέψετε στην αποστολή σας.
Εάν έχετε οποιεσδήποτε ερωτήσεις σχετικά με την έρευνά σας που δεν έχουν απαντηθεί κατά τη διάρκεια του μαθήματος (μη διστάσετε να χρησιμοποιήσετε τις ερωτήσεις και απαντήσεις για τις δικές σας ερευνητικές ερωτήσεις), είστε ευπρόσδεκτοι να κλείσετε ραντεβού για να συναντηθείτε μαζί μας κατ' ιδίαν.
Στο τέλος αυτού του μαθήματος, οι φοιτητές θα μπορούν:
- Αξιολογήστε την ποιότητα των πηγών ποσοτικών δεδομένων
- Επιλέξτε την κατάλληλη μέθοδο ανάλυσης, ανάλογα με την πηγή δεδομένων
- Διεξαγωγή διαφόρων στατιστικών δοκιμών
- Αναλύστε δεδομένα χρησιμοποιώντας το γενικευμένο γραμμικό πλαίσιο
- Έχουν αναπτύξει τις δεξιότητές τους στον προγραμματισμό