Видео

Dziękuję. Tworzenie aplikacji z shiny to spory krok do przodu dla każdego użytkownika R. Przede wszystkim jest to wiedza o dużej wartości praktycznej. Pozdrawiam

Polecam się na przyszłość!

Ja w porównywalnym czasie miałem 10 subskrybentów. Powodzenia

Dziękuję za podpowiedź. Pewnie od strony marketingowej sporo można byłoby tu zmienić

Cieszę się

Dziękuję i pozdrawiam

Pozdrawiam

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

Co prawda, to prawda ;)

Możliwe, że filmy są za długie i widzów to odstrasza. Dziękuję i pozdrawiam

Dziękuję i pozdrawiam

Będę zamieszczał skrypty do części filmów, które dopiero zamierzam opublikować. Do tego materiału musi wystarczyć to co jest. Pozdrawiam

Dziękuję i pozdrawiam

Kilka następnych filmów będzie o SQL - po nich wrócę do R. Pozdrawiam

Cieszę się, że się podobała. Pozdrawiam

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

Dziękuję, cieszę się, że się podobało.

Dziękuję i pozdrawiam

Dziękuję. Będą jeszcze takie materiały, ale będą też nowe zagadnienia z zakresu analizy danych.

Dziękuję i pozdrawiam

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

Proszę

Dziękuję. Prace pisarskie trwają

Dziękuję i pozdrawiam

Dziękuję

Proszę napisać do mnie maila na: zarkadiuszem@gmail.com Prześlę. Pozdrawiam

@@zArkadiuszem ok

Dziękuję i pozdrawiam

Zatem trzymam kciuki

Piszę książkę o R i tam będzie więcej dostępnych informacji - ale niestety to jeszcze trochę potrwa. Skryptów nie zamieszczam. Pozdrawiam

Dziękuję i pozdrawiam

Dziękuję

Cieszę się, że się kurs podoba. Pozdrawiam

Dziękuję. Braki danych przetwarza się często "automatycznie" za pomocą właściwych algorytmów. To zagadnienie omawiam na kanale w serii poświęconej maszynowemu uczeniu. Pozdrawiam

Cieszę się. Pozdrawiam

O - nie wiedziałem, że licealiści też oglądają. Świetnie. Pozdrawiam

Dziękuję. Przygotowuję materiał - książkę - na ten temat. Ale to jeszcze trochę potrwa. Pozdrawiam

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

Proszę :)

Dziękuję za miłe słowa. Taką problematykę (analizę danych w języku programowania) łatwiej wyłożyć na nagraniu, niż w książce. Książki rządzą się swoimi prawami. Pozdrawiam.

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

Miło to słyszeć. Pozdrawiam.

Dziękuję i pozdrawiam

Też myślę, że są to przydatne informacje - pozdrawiam.

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.

Dziękuję. Cieszę się, że kurs się podobał.

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

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.

Dziękuję. Cieszę się, że materiały się przydały.

Planuję zrobić kolejne filmy, ale co i kiedy - zależy jak będę stał z czasem. Pozdrawiam

Dziękuję i pozdrawiam