8 Επιστήμη Δεδομένων και Μεγάλα Δεδομένα Θερινά μαθήματα Programs

Εισαγωγή σε βασικές έννοιες από τον λογισμό (διαφοροποίηση και ολοκλήρωση), την πιθανότητα (διακριτές και συνεχείς τυχαίες μεταβλητές) και τη γραμμική άλγεβρα (διανυσματικά κενά, πίνακες και γραμμικά συστήματα).

Στο Summer Course in Data Analysis in R, οι συμμετέχοντες θα διερευνήσουν την πανταχού παρουσία των δεδομένων και την ανάγκη για βασικές αναλυτικές δεξιότητες για την εξαγωγή πολύτιμων γνώσεων. Το μάθημα αξιοποιεί την εκτεταμένη σειρά πακέτων R, που δημιουργήθηκε από μυριάδες ενεργούς προγραμματιστές, καθιστώντας το R ένα ευέλικτο εργαλείο για ένα φάσμα τεχνικών ανάλυσης δεδομένων. Από τον έλεγχο θεμελιωδών υποθέσεων έως τις προηγμένες μεθόδους όπως η γενικευμένη γραμμική παλινδρόμηση και η πολυμεταβλητή ανάλυση, συμπεριλαμβανομένης της ανάλυσης κύριων συνιστωσών, της παραγοντικής ανάλυσης και της ομαδοποίησης, οι συμμετέχοντες θα εφαρμόσουν αμέσως τις γνώσεις τους μέσω σύντομων ασκήσεων χρησιμοποιώντας το Rmarkdown.

Διακριτός και συνεχής χρόνος Αλυσίδες Markov, διεργασίες Poisson, τυχαίοι βόλτες, διαδικασίες διακλάδωσης, πρώτοι χρόνοι διέλευσης, υποτροπή και παροδικότητα, στάσιμες κατανομές. Οι σπουδαστές μεταπτυχιακών σπουδών που δεν είναι στατιστικά στοιχεία μπορεί να θελήσουν να εξετάσουν το ενδεχόμενο λήψης STATS 215.

Οι δεξιότητες αφήγησης ιστοριών είναι από τις πιο σημαντικές δεξιότητες σήμερα – οι δεξιότητες που όλοι πρέπει να εξασκήσουμε. Όταν συνδυάζονται με δεδομένα, οι ιστορίες μπορούν να γίνουν ισχυρά εργαλεία στον ψηφιακό κλάδο. Το πρόγραμμα στοχεύει να σας διδάξει πώς να σκέφτεστε έξω από τα συνηθισμένα και να δημιουργείτε ενδιαφέρουσες και σχετικές ιστορίες χρησιμοποιώντας δεδομένα.

Αυτό το μάθημα θα προωθήσει την καλή κατανόηση του οικοσυστήματος των Μεγάλων Δεδομένων από τους φοιτητές και τις τρέχουσες τάσεις, θα αναδείξει τις προκλήσεις των Μεγάλων Δεδομένων, θα επιτρέψει στους φοιτητές να δημιουργήσουν εφαρμογές Μεγάλων Δεδομένων κατ' απαίτηση και θα τους δείξει πώς να επιλύουν προηγμένα προβλήματα ανάλυσης με Μεγάλα Δεδομένα χρησιμοποιώντας τεχνολογίες αιχμής.

Ξετυλίξτε σύνθετα συστήματα και οπτικοποιήστε τις αλληλεπιδράσεις τους. Πειραματιστείτε και φανταστείτε τους μέσω παρεμβάσεων, αλγορίθμων, μοντέλων και προσομοιώσεων. Κοινοποιήστε την κατανόησή σας μέσω ισχυρών απεικονίσεων συστήματος.