![Analiza danych z Arkadiuszem](/img/default-banner.jpg)
- Видео 59
- Просмотров 35 794
Analiza danych z Arkadiuszem
Добавлен 19 июл 2022
Aplikacja dydaktyczna w Shiny
Aplikacja dydaktyczna napisana w języku R (pakiet Shiny).
Aplikacja obrazuje proces oceny założenia normalności rozkładu.
Skrypt do pobrania:
github.com/zarkadiuszem/YT-zarkadiuszem-
Aplikacja obrazuje proces oceny założenia normalności rozkładu.
Skrypt do pobrania:
github.com/zarkadiuszem/YT-zarkadiuszem-
Просмотров: 103
Видео
Gotowa aplikacja Shiny - Shiny i bslib
Просмотров 16714 дней назад
Skrypt do pobrania: github.com/zarkadiuszem/YT-zarkadiuszem- Prosta ale funkcjonalna aplikacja Shiny. Biblioteka bslib.
Shiny - wykresy w aplikacji
Просмотров 75Месяц назад
Shiny, ggplot2, dplyr, wykresy w aplikacji. Wybór zmiennych i wariantów.
shiny wprowadzenie - aplikacje w R
Просмотров 158Месяц назад
pakiet shiny wprowadzenie - aplikacje w R, Dashboard, tworzenie aplikacji w rStudio
SQL + R. Baza MySQL w RStudio
Просмотров 1342 месяца назад
Obsługa relacyjnych baz danych (SQL) w środowisku R (RStudio).
Korelacja w SQL - r Pearsona (MySQL)
Просмотров 1092 месяца назад
Współczynnik korelacja r Pearsona w SQL (MySQL). Widoki i zmienne użytkownika w analizach statystycznych. Skrypt do pobrania: github.com/zarkadiuszem/YT-zarkadiuszem-.git
SQL - analiza statystyczna
Просмотров 1713 месяца назад
Grupowanie danych klauzule GROUP BY, HAVING. Wybrane funkcje statystyczne, średnia, wariancja, odchylenie statystyczne, suma, częstość. Obliczenia statystyczne. Praca z wieloma tabelami. Skrypt i schemat do pobrania: github.com/zarkadiuszem/YT-zarkadiuszem-.git Aplikacja do otwarcia/tworzenia schematu: app.diagrams.net/
SQL łączenie tabel - MYSQL
Просмотров 873 месяца назад
Praca z trzema tabelami SQL. Tworzenie i łączenie tabel. LEFT JOIN, RIGHT JOIN. ON DELETE CASCADE Skrypt i schemat do pobrania: github.com/zarkadiuszem/YT-zarkadiuszem-.git Aplikacja do otwarcia/tworzenia schematu: app.diagrams.net/
MySQL - praca z jedną tabelą SQL
Просмотров 1294 месяца назад
Praca w MySQL: tworzenie bazy danych, tabeli, wypełnianie tabeli danymi, podstawowe zapytania. Wybrane typy danych, klauzule, operatory, ograniczenia Skrypt do pobrania: github.com/zarkadiuszem/YT-zarkadiuszem-.git MySQL Workbench: www.mysql.com/downloads/
SQL w analizie danych - relacyjne bazy danych wprowadzenie
Просмотров 3594 месяца назад
Czym są relacyjne bazy danych. Rola SQL w analizie danych. System zarządzania bazami danych, relacja jeden do wielu, SQL a inne narzędzia analityczne, podstawowe pojęcia. SQL w analizie danych - wprowadzenie do relacyjnych baz danych. Problem redundancji.
500 subskrypcji - 500 subskrybentów statystyki kanału YT
Просмотров 1545 месяцев назад
500 subskrypcji - 500 subskrybentów statystyki kanału YT. Czy łatwo zdobyć 500 subskrypcji, ile to trwa? O czym warto pamiętać? Jakich błędów nie popełniać? Co daje 500 subskrybentów? 500 subskrypcji - zarabianie na kanale YT.
tidymodels - przykład maszynowego uczenia z tidymodels
Просмотров 2685 месяцев назад
tidymodels, podział danych, uczenie algorytmu, testowanie parametrów modelu, ocena modelu. Pakiety: rsample, recipe, parsnip, dials, workflows, tune, yardstick. Las losowy
Uczenie nienadzorowane - algorytm k-średnich
Просмотров 3116 месяцев назад
Uczenie nadzorowane (z nauczycielem), a uczenie nienadzorowane, grupowanie danych, grupowanie obserwacji, klastry, algorytm k-średnich, wykres osypiska, wizualizacja klastrów, klasteryzacja danych, analiza skupień, centroid, klastrowanie.
Porównanie algorytmów klasyfikacji ML - Wybór zmiennych w modelu ML
Просмотров 1866 месяцев назад
Porównanie algorytmów klasyfikacji maszynowego uczenia - Wybór zmiennych w modelu ML. Las losowy (Random Forest, RF), Maszyna wektorów nośnych (Support Vector Machine, SVM), K najbliższych sąsiadów (K-Nearest Neighbors, KNN). Dlaczego uczenie maszynowe (uczenie algorytmu) trwa tak długo?
SVM algorytm maszynowego uczenia
Просмотров 2866 месяцев назад
SVM, maszyna wektorów nośnych, projekt ML, uczenie maszynowe, określanie parametrów w uczeniu maszynowym, parametry algorytmów.
10 błędów przy pisaniu prac dyplomowych - prace magisterskie, licencjat
Просмотров 1158 месяцев назад
10 błędów przy pisaniu prac dyplomowych - prace magisterskie, licencjat
K najbliższych sąsiadów - algorytm klasyfikacji knn
Просмотров 6558 месяцев назад
K najbliższych sąsiadów - algorytm klasyfikacji knn
Las losowy - projekt maszynowego uczenia
Просмотров 6289 месяцев назад
Las losowy - projekt maszynowego uczenia
Poziomy pomiaru - zmienna zależna i niezależna
Просмотров 5779 месяцев назад
Poziomy pomiaru - zmienna zależna i niezależna
Maszynowe Uczenie. Projekt klasyfikacji - Drzewa decyzji
Просмотров 6619 месяцев назад
Maszynowe Uczenie. Projekt klasyfikacji - Drzewa decyzji
Analiza składowych głównych (PCA) - uczenie maszynowe (redukcja zmiennych)
Просмотров 1 тыс.10 месяцев назад
Analiza składowych głównych (PCA) - uczenie maszynowe (redukcja zmiennych)
Sondaże społeczne - interpretacja wyników badań sondażowych
Просмотров 19311 месяцев назад
Sondaże społeczne - interpretacja wyników badań sondażowych
Uczenie maszynowe - CARET i funkcja preProcess()
Просмотров 32311 месяцев назад
Uczenie maszynowe - CARET i funkcja preProcess()
Uczenie maszynowe ML - maszynowe uczenie wprowadzenie
Просмотров 5 тыс.Год назад
Uczenie maszynowe ML - maszynowe uczenie wprowadzenie
Analiza czynnikowa - Exploratory factor analysis
Просмотров 643Год назад
Analiza czynnikowa - Exploratory factor analysis
Regresja logistyczna - założenia, interpretacja
Просмотров 1,1 тыс.Год назад
Regresja logistyczna - założenia, interpretacja
wow! nie spodziewałem się zobaczyć materiałów z shiny, super! Liczę na jak najwięcej materiałów z tego tematu, wielkie dzieki za to co robisz. Generalnie dobrze byłoby poznać różne techniki prezentowania wyników za pomocą R jak np. Quarto czy przedstawienie pakietów jak 'gt' do tworzenia tabel
Dziękuję. Tworzenie aplikacji z shiny to spory krok do przodu dla każdego użytkownika R. Przede wszystkim jest to wiedza o dużej wartości praktycznej. Pozdrawiam
Super filmik dziękuję bardzo 🔥
Polecam się na przyszłość!
Moje wyniki Data dołączenia: 24 mar 2024 --------------- *293* subskrybentów-----*16* filmów---*7617* wyświetleń
Ja w porównywalnym czasie miałem 10 subskrybentów. Powodzenia
Brakuje ci jeszcze hasztagów
Dziękuję za podpowiedź. Pewnie od strony marketingowej sporo można byłoby tu zmienić
Uczenie maszynowe w R, tego szukałem!
Cieszę się
Fajny film pzdr
Dziękuję i pozdrawiam
dzieki!
Pozdrawiam
Tak z ciekawości, operator pipe jest powszechnie/komercyjnie stosowany? Tak jak cały pakiet dyplr ? Czy bardziej klasyczny R ?
Ja się zajmuję nauką. Korzystam z R głównie do analizy danych empirycznych w celach naukowych. Sam pakiet dplyr jest popularny - ułatwia przetwarzanie danych. Operator pipe sprawia, że kod staje się bardziej czytelny. Pozdrawiam
To bardzo pomocne😊
Co prawda, to prawda ;)
Nie wiem czemu tu tak mało odwiedzin i lajków . Twoje materiały to złoto
Możliwe, że filmy są za długie i widzów to odstrasza. Dziękuję i pozdrawiam
zajebiste!
Dziękuję i pozdrawiam
Mogłbyś udostepniac kod?
Będę zamieszczał skrypty do części filmów, które dopiero zamierzam opublikować. Do tego materiału musi wystarczyć to co jest. Pozdrawiam
Świetny materiał!
Dziękuję i pozdrawiam
Najbardziej interesuje mnie obsługa baz SQL z poziomu R, czekam z niecierpliwością!
Kilka następnych filmów będzie o SQL - po nich wrócę do R. Pozdrawiam
bardzo przystępna forma prezentacji, dziekuję
Cieszę się, że się podobała. Pozdrawiam
Chciałbym podzielić się kilkoma refleksjami na temat Twojego kanału na RUclips. Jestem osobą związana zawodowo z farmacją, wyrobami medycznymi i badaniami klinicznymi. W Twoich filmach znalazłem wiele ciekawych informacji, które mogę wykorzystać w mojej pracy naukowej. Cenię Twoją zdolność do jasnego wyjaśniania skomplikowanych zagadnień i merytoryczną jakość Twoich materiałów. Dziękuję Ci, że dzielisz się swoją wiedzą i udostępniasz te treści. Uważam, że Twój kanał jest prawdziwą perłą w zakresie nauki analizy danych w polskim internecie. Z niecierpliwością oczekuję na nowe odcinki i życzę powodzenia w dalszym tworzeniu. 😊
Dziękuję bardzo za te miłe słowa. Cieszę się, że osoby reprezentujące różne nauki empiryczne są zainteresowane moimi materiałami. Jednym z moich celów jest prezentowanie materiału w taki sposób, aby wspierać widza w jego pracy naukowej (pisaniu artykułów, książek, prac dyplomowych). Pozdrawiam
Świetnie, dzięki za wyjaśnienie!
Dziękuję, cieszę się, że się podobało.
Świetne wprowadznie - dzięki!
Dziękuję i pozdrawiam
dzięki! Świetne materiały, liczę na więcej contentu z R+statystyka+ML
Dziękuję. Będą jeszcze takie materiały, ale będą też nowe zagadnienia z zakresu analizy danych.
super wytłumaczone, dziękuję! Ps. Obecnie plik "storm" zawiera ponad 19000 próbek i dużo więcej typów wiatru. Fajnie to wygląda na wykresie ze statusem.
Dziękuję i pozdrawiam
Świetna robota, bardzo fajnie Pan tlumaczy! Mam jedno pytanie - jaki jest wzór na CI.mean0.95?
błąd standardowy średniej * wartość z tablicy dla rozkładu normalnego lub t studenta (dla określonego poziomu ufności np. 0.95 lub 0.99). Dla poziomu ufności 0.95 i "dużej" próby wartość ta wynosi 1.96 Zatem upraszczając temat błąd standardowy średniej * 1.96
dziękuję! @@zArkadiuszem
🫡 dziękuję
Proszę
Bardzo dziękuję za pracę, którą Pan wykonuje i z niecierpliwością czekam na podręcznik.
Dziękuję. Prace pisarskie trwają
świetnie wytłumaczone, lepiej niż na wykladzie, na który uczęszczam. Dziękuję
Dziękuję i pozdrawiam
Ekstra:D
Dziękuję
jest szansa na udostepnienie tego csv zeby sobie mozna przecwiczyc u siebie?
Proszę napisać do mnie maila na: zarkadiuszem@gmail.com Prześlę. Pozdrawiam
@@zArkadiuszem ok
koment dla zasięgu
Dziękuję i pozdrawiam
Dzięki Tobie zaliczę ekonometrie
Zatem trzymam kciuki
Witam. Dziś odkryłem kanał. Uczę się R na doktoracie i na pewno skorzystam! Są gdzieś dostępne skrypty, które pokazujesz na filmikach? Pozdro
Piszę książkę o R i tam będzie więcej dostępnych informacji - ale niestety to jeszcze trochę potrwa. Skryptów nie zamieszczam. Pozdrawiam
Super materiał, dziękuję!
Dziękuję i pozdrawiam
Super! :)
Dziękuję
Super kurs! Takiej solidnej powtórki właśnie szukałem :) Pozdrawiam serdecznie !
Cieszę się, że się kurs podoba. Pozdrawiam
Bardzo dobrze dobrane przykłady, dzięki czemu wykład jest bardzo ciekawy
Dziękuję. Braki danych przetwarza się często "automatycznie" za pomocą właściwych algorytmów. To zagadnienie omawiam na kanale w serii poświęconej maszynowemu uczeniu. Pozdrawiam
Bardzo dobry kurs. Dziękuję
Cieszę się. Pozdrawiam
Super seria dla osób początkujących. Treści baaardzo przyjemne i mogę powiedzieć że pomagaja nie tylko studentom ale też licealistom !!!
O - nie wiedziałem, że licealiści też oglądają. Świetnie. Pozdrawiam
Super poradnik! Tylko brakuje mi linku do danych, z których Pan korzysta, a tak poza tym to dziękuję za włożoną pracę!
Dziękuję. Przygotowuję materiał - książkę - na ten temat. Ale to jeszcze trochę potrwa. Pozdrawiam
Ciekawy feature jest przy funkcji ifelse nie można stosować znaku = zamiast <- bo funkcja tego nie rozpoznaje ;/
Sprawdziłem - faktycznie wymagany jest tu operator przypisania <-. Dzięki temu kod jest bardziej czytelny. Gdyby działało = można byłoby pomyśleć, że to jest określenie jakiegoś argumentu w funkcji. Pozdrawiam
Super poradnik, dziękuję!!
Proszę :)
Ten kurs jest lepszy niż dostępne polskie książki z R. Dobry nauczyciel rozumie, że uczeń zawsze nic nie wie o niczym. I to niezależnie od tytułów naukowych. I to mi się podoba. Sam też tak piszę publikacje to rozumiejąc. Podsumowując zapewne niezrozumiały wywód - szkolenie rewelacja 🙂
Dziękuję za miłe słowa. Taką problematykę (analizę danych w języku programowania) łatwiej wyłożyć na nagraniu, niż w książce. Książki rządzą się swoimi prawami. Pozdrawiam.
W teście Kołmogorowa-Smirnowa wyskakuje mi komunikat, że wartości powtórzone nie powinny być obecne w teście Kolmogorowa-Smirnowa. Rozumiem, że muszą to być tylko wartości unikalne?
Tak. Pojawia się takie ostrzeżenie. Błędem byłoby tu usunięcie duplikatów - to by zmieniało nasz testowany rozkład empiryczny. Sensowne wydaje mi się natomiast dodanie do duplikatów bardzo małej liczby losowej (to sprawi, że dla testu będą się one różnić). np. z przedziału -0.0001; +0.0001 (chyba, że sama zmienna przyjmuje bardzo małe wartości - wtedy wartość losowa powinna być jeszcze mniejsza). Osobiście zalecałbym jednak wykorzystanie wykresu Q-Q + Shapiro-Wilk Normality Test. Test Shapiro Wilka został zmodyfikowany tak, że teraz (wersja z R funkcja shapiro.test()) można go stosować także do dużych prób (3 - 5000). Jeśli ma Pan/Pani próbę większą niż 5000 - to polecam ocenę wzrokową w oparciu o stosowne wykresy. Pozdrawiam
Mam ten sam problem co @quegon6125 @@zArkadiuszem rozumiem, że skoro u Pana ten test dziala, to Pan ma zmodyfikowany plik? Może Pan go gdzieś udostępnić? Chętnie bym poćwiczyła. Podobny komunikat wyskakiwał mi, gdy próbowałam test Wilcoxona i pojawiały się powtórzone wartości. Czy R nie jest odporny na takie sytuacje (dla przykładu LabVIEW nie ma z tym problemu)? Jeśli tak, to jest to jego bardzo poważne ograniczenie, bo jeśli chcemy zautomatyzować pracę, to ciężko nam zakładać brak powtórzeń, a ocena wzrokowa nie jest oceną obiektywną i nie daje się zautomatyzować. Ręczne wyszukiwanie tych samych próbek i modyfikacji ich wartości w zbiorze bardzo dużych danych nie wchodzi w rachubę.
R to w znacznej mierze zbiór pakietów - jeśli coś można poprawić - zasadne jest dodanie (stworzenie) nowego pakietu. R rozwija się właśnie przez taką pracę ludzi zainteresowanych tematem. Tu powtórzę wcześniejszą sugestię: "Osobiście zalecałbym jednak wykorzystanie wykresu Q-Q + Shapiro-Wilk Normality Test". @@acha10000
WOW, dzięki wielkie, tego potrzebowałem!
Miło to słyszeć. Pozdrawiam.
Jasno i konkretnie wytłumaczone, super przykłady
Dziękuję i pozdrawiam
Bardzo ważny materiał.
Też myślę, że są to przydatne informacje - pozdrawiam.
Świetny kanał, wszystko przystepnie wytłumaczone. Po prostu podręcznik do R i statystyki. Obejrzalem wszystko. A teraz mam zamiar jszcze raz obejrzeć i utrwalić sobie A może udałoby się zdobyć skrypty ze wszystkich lekcji? tak żeby przyspieszyć powtarzanie, bo jednak na zatrzymywaniu lekcji i przepisywaniu kodu trochę się schodzi😢
Pracuję nad materiałem z tego zakresu (pewnie pojawi się też w formie pdf.) Ale to trochę potrwa.
@zArkadiuszem o fajnie z chęcią uproszczę sobie nauką (ale pewniej szybciej niż ukażą się materiały to sobie powtórzę przepisując z filmików) choć uważam, że pierwszorazowe korzystanie z kursu powinno odbywać się poprzez przepisywanie do R komend z filmików - więcej zostaje w głowie. Dzięki tym filmikom (choć wcześniej przejrzałem ze 2 książki o R) już chyba przeszedłem ze Statistici na R,. Dzięki R mogę bardziej kontrolować dane, przeprowadzane analizy i wygląd wykresów., no może tylko opracowanie wyglądu tabel w R (a przynajmniej w pakiecie Crosstable) jest zbyt czasochłonne (więc tu pozostanę przy Excell'u). Pozdrawiam. Świetna robota.
Tak - R ma sporo zalet. Między innymi zostaje nam skrypt - który możemy powtórnie wykorzystać przy kolejnej analizie. Pozdrawiam i dziękuję.
Obejżałem wszystkie 6 lekcji! Kawał dobrej roboty! Świetnie tłumaczysz, bardzo profesjonalnie przygowane szkolenie! Dziekuje serdecznie
Dziękuję. Cieszę się, że kurs się podobał.
Szkoda, że nie można regularnie subskrybować, a tylko raz. Mam ochotę zasubskrybować za każdym razem, jak wpadam na ten kanał. Kocham te filmy. Dzięki wielkie!
Kanał po roku istnienia ma 119 subskrybentów. To jasno pokazuje, że cieszy się on mocno "umiarkowanym" zainteresowaniem
@@zArkadiuszem to chyba dosyć niszowe zagadnienia po prostu. Nie znam innych podobnych kanałów, żeby porównać zainteresowanie. W każdym razie mam nadzieję, że będziesz kontynuować, bo złoto! 🥇
@@zArkadiuszem Szacunek za włożoną pracę i wiedzę. Pozdrawiam
Dziękuję i pozdrawiam@@artekngu
od 9:15 jest więcej o pętlach niż o pętlach warunkowych :)
W R korzystamy często z tzw. wektoryzacji (funkcje "automatycznie" odwołują się do kolejnych elementów np. danej kolumny w ramce danych). Dzięki temu pętle zwykle się pomija. Ale zawsze lepiej je znać, niż nie znać - stąd ten materiał.
Fantastyczne filmy. Bardzo mi pomogły. Wielkie dzięki :-) czekam z niecierpliwością na ML!
Dziękuję. Cieszę się, że materiały się przydały.
hej, czy mógłbyś pokazać i wytłumaczyć bardziej zaawansowane modele np. gee i trudniejsze? Super, że będzie ML! PS. polecisz jakieś dodatkowe materiały do nauki?
Planuję zrobić kolejne filmy, ale co i kiedy - zależy jak będę stał z czasem. Pozdrawiam
Świetnie Pan Tłumaczy!
Dziękuję i pozdrawiam