skip to Main Content
Instituut voor toegepaste statistiek en data-analyse Geaccrediteerd door de Vereniging voor Statistiek

Cursus programmeren in R: Statistical Programming with R

Doel

De cursus programmeren in R vormt een eerste inleiding in de zeer populaire statistische softwarepakketten R Statistical Programming en RStudio. Na de cursus programmeren in R kan de cursist zelfstandig statistische analyses uitvoeren, resultaten beoordelen, visualiseren, en rapporteren met R Statistical Programming en RStudio. R Statistical Programming is op dit moment één van de meest geavanceerde en flexibele statistische programma’s en de leidende programmeertaal in Data Science, statistiek, data analyse en visualisaties. Bovendien is R Statistical Programming open source (gratis).

U krijgt les van docenten die zelf R-packages hebben geschreven, R-boeken hebben gepubliceerd en dagelijks R Statistical Programming gebruiken in hun werk als senior onderzoeker, universitair docent of hoogleraar.

Het is in overleg mogelijk dat de cursisten voorbeelden aandragen uit hun eigen praktijk.

Duur: 3 dagen of 5 dagen

De cursist heeft de mogelijkheid om slechts 3 dagen te volgen. Op dag 1 t/m dag 3 ligt de focus op het aanleren van R-(RStudio) vaardigheden, datamanagement, databewerking, datavisualisatie en (geautomatiseerde) rapportage. Op dag 4 en dag 5 wordt aandacht besteed aan een aantal statistische modellen, toetsen en functioneel programmeren (looping, cycling, iterating). De docenten werken zo veel mogelijk met Tidyverse en tidyverse vriendelijke packages.

Inhoud

Tridata hecht er waarde aan om cursisten tijdens de cursussen hands-on ervaring op te laten doen, dus om meteen toe te passen in de praktijk op basis van gedegen theorie. Elke dag bestaat daarom voor ongeveer de helft uit oefeningen onder begeleiding van onze ervaren docenten.

Dag 1: Introductie & Data Transformaties  

  • Introductie in R programmeren & RStudio
    • Basis R programmeren: wat is een object; basis verschillende soorten objecten zoals een variabele met 1 waarde
    • Wat noemen we een vector (kolom)
    • Welke typen kolommen kunnen er zijn in een tabel (integer, double, string, logical, tekst, etc. )
  • Bewerkingen op tabellen
    • filteren van rijen, selecteren van kolommen, aanpassen van kolommen, toevoegen van kolommen, kolomnamen veranderen, geaggregeerde statistieken uitrekenen
  • Ketenen van opdrachten aan elkaar
  • Overzicht van verschillende typen plots (wanneer welke te gebruiken?)
    • Inleiding ggplot2

Dag 2: Datamanagement

  • Geavanceerde eigenschappen van kolommen
    • Werken met datums in tabellen
    • Categoriale variabelen (factoren) in tabellen
    • Werken met tekst
      • Basisbeginselen van Regular Expressions
      • Zoeken en vervangen van tekst
  • Data bestanden beheren
    • Inlezen van tabellen uit verschillende soorten bestanden
    • Exporteren van tabellen
    • Koppelen van tabellen
    • Herschikken van data (lange & brede tabellen)

Dag 3: Data Presentaties & Rapportage

  • Grafieken
    • Grafieken en exploratieve data-analyse (combinaties van typen variabelen in verschillende plots – wat maak je nu inzichtelijk met welk type plot)
    • Additionele mogelijkheden met grafieken (facetwraps & facet grids)
    • Aanpassen titels, vormen, kleuren & labellen punten
  • Maken van rapporten – R Markdown
    • Genereren van PDF, HTML of Word documenten
    • Dynamisch genereren van rapporten
    • Creëren van interactieve rapporten

Dag 4: Modellen en Functies

  • Modelleren in R
    • Lineaire modellen en residuen – Beschrijving, toepassingen & selectie van variabelen
    • Logistische modellen
    • Geavanceerde functies in R
      • Iteraties en conditionele bewerkingen (For-loops & de if-else functie)
      • Eigen eenvoudige functies maken

Dag 5: Statistiek & Geavanceerde Analyses

  • Statistiek in R
    • Kruistabellen
    • Statistische toetsen (t-toets, chi-kwadraat toets)
  • Verschillende klassen/type objecten in R (vectoren, lijsten)
  • Verandering van type object
  • Functioneel programmeren: itereren van bewerkingen aan tabellen over meerdere argumenten tegelijkertijd (m.b.v. purrr)

Doelgroep

Deze cursus programmeren in R is bedoeld voor personen met enige kennis van statistiek en statistische software, die ervaring willen opdoen met dit zeer populaire, en bovendien gratis, statistische pakket.

Vereiste voorkennis

Enige bekendheid met basis statistiek wordt voorondersteld.

Tools

De cursus werkt met de meest recente versie van R en RStudio.

Cursusdata

3-okt, 10-okt, 17-okt, 24-okt, 31-okt 2019 (volgeboekt)
14-nov, 21-nov, 28-nov, 5-dec, 12-dec 2019 (startgarantie)

16 t/m 20 december 2019 (winteR CouRse) (startgarantie)

Kosten en inschrijving:

De kosten van de 5-daagse cursus programmeren in R bedragen € 2750 . Als u ervoor kiest om slechts 3-daagse te volgen dan bedragen de kosten € 1650. De cursusprijs is vrijgesteld van BTW (BTW-tarief 0%) en is inclusief cursusmateriaal, deelnamecertificaat, koffie / thee en lunches. Het boek R for Data Science is inbegrepen in de cursusprijs.

Tridata R winteR couRse

*** voor de winteR CouRse geldt een gereduceerde tarief. Voor de 3-daagse winteR CouRse betaalt u slechts € 1250 en € 2175 voor de 5-daagse cursus.

In-company en maatwerk

De cursus programmeren in R kan ook in-company worden gegeven. Een in-company training, ook wel in-house training of bedrijfstraining, is een training die binnen jouw organisatie plaatsvindt. Hebben meerdere collega’s in jouw organisatie dezelfde leervraag? Dan is een in-company training zeer geschikt. Onze trainingsprogramma’s stemmen we af op leerwensen en –doelen van jou en je collega’s. Voor meer informatie kunt u contact met ons opnemen.

Locatie

Europalaan 400 | 3526 KS Utrecht

Waarom de cursus volgen bij Tridata?.

– Tridata is het enige instituut wat een door de Vereniging voor Statistiek & Operationele Research (VVS-OR) erkende opleiding statistiek aanbiedt.
– De R cursus van tridata is een multidisciplinaire cursus die wordt gegeven door drie verschillende docenten met ruime ervaring op het gebied van R, statistical modeling en machine learning, statistical software development, tekstanalyse, Tekstmining, datavisualisatie en datamanagement.

– Tridata heeft samen met de faculteit economie/econometrie van de Erasmus Universiteit,  R geïntroduceerd in Nedeland.

De Docenten

Dr. Mark van der Loo studeerde cum laude af in de informatische chemie aan de Katholieke Universiteit Nijmegen (een combinatie van scheikunde, wiskunde, en informatica). Na zijn promotie op een onderwerp uit de quantumfysica is hij werkzaam als statistisch onderzoeker bij het CBS met als specialiteit statistical computing and modeling, data cleaning en text processing. Over deze onderwerpen publiceert hij op conferenties en in peer reviewed journals. Mark is expert op het gebied van R, python,  en (multicore) C programming en heeft verschillende R-packages op CRAN gepubliceerd. Een van die packages wordt onder andere door Wikimedia Foundation gebruikt voor tekstanalyse van Wikipedia paginas. Mark werkt sinds 2012 als consultant en docent voor Tridata.

Drs. Edwin de Jonge Studeerde af in de theoretische natuurkunde aan de Katholieke Universiteit Nijmegen. Na zich enkele jaren the hebben gespecialiseerd in softwareontwikkeling is hij als onderzoeker gaan werken bij het CBS met als specialiteit statistical computing and modeling, data management en data visualisatie. Over dit laatste onderwerp publiceerde Edwin onder andere een paper voor de prestigieuze IEEE VisWeek conferentie. Edwin is expert op het gebied van verschillende programmeertalen waaronder C++, javascript, python en R. In die laatste taal ontwikkelde hij een package wat inmiddels meer dan 120.000 maal per maand wordt gedownload van de CRAN servers. Edwin werkt sinds 2012 als consultant en docent voor Tridata.

Edwin en Mark zijn auteur van het boek ‘Learning R Statistical Computing with Rstudio‘ (Packt publishing, 2012) en werken momenteel, aan een boek over ‘Statistical Data Cleaning with Applications in R‘ (te verschijnen bij Wiley). In 2013 gaven zij een tutorial op de grootste R conferentie ter wereld (useR!2013) getiteld “an introduction to data cleaning with R”.

Dr. K. (Karin) Groothuis-Oudshoorn
Karin Groothuis-Oudshoorn, PhD, is an Assistant Professor and Biostatistician at University of Twente, the Netherlands. Dr. Groothuis-Oudshoorn completed her PhD at the University of Utrecht, specializing in mathematical statistics. After that she worked at several applied research institutes as a (bio)statistician. In 2009, she joined the department of Health Technology and Services Research at the University of Twente where her research focus is on survival regression models, statistical learning and design and statistical analysis of preferences. She teaches courses on data science, statistical learning and medical statistics for several educational programs at the University of Twente. Next to that she is working since 2011 as a statistical consultant and teacher for Tridata.

Dr. ir. J.(Jan) van der Laan
Dr. ir. J.(Jan) van der Laan studeerde af op het gebied van signaalverwerking bij de de faculteit technische natuurkunde aan de Technische Universiteit Delft. Na zijn promotie op het gebied van medical physics is hij als statistisch onderzoeker werkzaam bij het CBS. Op het CBS houdt hij zich onder andere bezig met statistische analyse en regressietechnieken, data visualisatie en het verwerken en koppelen van grote bestanden. Over deze onderwerken publiceert hij op conferenties en peer reviewed journals. Jan is expert op het gebied van  meerdere programmeertalen waaronder C++, Javascript, D3.js en R. Hij heeft bijdragen geleverd aan meerdere R packages op CRAN. Jan werkt sinds 2015 als consultant en docent bij Tridata.

Back To Top