Репетиторы по языку R онлайн

20 лет. Для себя Построение модели Лассо, работа достаточно маленькаяещё

20 лет. Для написания Лабораторной работы Написать программы для анализа датасета: 1) Регуляризация коэффициентов (L1 и L2) 2) Байесовский классификатор 3) Метод опорных векторов 4) Ансамбли моделей: бэггинг, случайные леса, бустинг 5) Кластерный анализещё

19 лет. Подготовка к экзамену. Нужна помощь в выполнении финансовой задачи в Rещё

21 год. Для себя Здравствуйте! Нужно помочь разобраться с тем, как правильно установить пакеты и открыть их в RStudio + начать работу с RxODEещё

19 лет. Подготовка к экзамену. Сыну нужна помощь в освоении некоторых тем и выполнении заданий для успешной сдаче экзаменаещё

23 года. Для себя Помощь с работой в R-студио для занятий по доказательной медицинеещё

24 года. Помощь в написании работы Нужна помощь с RStudio, на английском нужно сделать 3000 word research paper в политической сфере с кодом из RStudio, у меня есть уже проект , но у меня проблема с кодом , нужно с ним поработатьещё

19 лет. Подготовка к экзаменуещё

Подготовка в течение 2х месяцев к экзамену по этим темам: (Если коротко - программирование на R и статистика) Лекция 1 Введение в курс и в кодирование (Барт Спронк) Лекция состоит из 2 частей: 1. Введение в ключевые аспекты курса (структура курса, люди, элементы, сроки и т.д...) 2. Базовое введение в кодирование (например, синтаксис программ, операторы, объекты и т.д...), а также введение в язык программирования R. На первой лекции будет дано краткое введение в курс с описанием концепции курса, предполагаемых целей обучения и планируемых мероприятий (включая структуру курса, людей, элементы, сроки и т.д.). После введения в курс вводятся основные элементы кодирования и обсуждаются, чтобы ознакомить студентов с основными аспектами (напр. синтаксис программного обеспечения, операторы, объекты и т.д...), которые послужат предпосылками для изучения основных тем, рассматриваемых в курсе. Лекция 2 Описательная статистика и визуализация данных (Андреа Габрио) Основное внимание уделяется статистическим концепциям и методам, которые играют роль в обобщении и описании наблюдаемых переменных и взаимосвязей между ними. переменными. Соответствующие типы графиков (например, гистограммы, боксплоты) для облегчения усвоения и интерпретации теоретических концепций. Графические инструменты, которые могут быть использованы для визуализации данных Представлены и мотивированы графические инструменты, которые можно использовать для визуализации данных, включая столбик, круговую диаграмму, гистограмму и диаграмму рассеяния. Лекция 3 Вероятности и байесовские правила вероятности (Андреа Габрио) Основное внимание уделяется базовым правилам вероятности, включая понятия несовпадающих и независимых событий (мультипликативные правила), правило условной вероятности, теорему Байеса и закон полной вероятности, а также основные дискретные Основные дискретные распределения вероятностей (биномиальное распределение и распределение Пуассона). Лекция 4 Инференциальная статистика I (Андреа Габрио) Основное внимание уделяется статистическим концепциям и методам, которые являются ключевыми для элементарной инференциальной статистики. Проводится различие между источником распределением популяции, распределением выборки и распределением выборки, а также Центральная предельная теорема (ЦПТ) представлена на конкретных примерах данных. Свойства нормальных и непрерывных распределений вероятностей (t-Стьюдента, Хи-квадрат), а также как они используются для вычисления вероятностей и процентных пунктов с помощью статистических таблиц и/или программного обеспечения. Лекция 5 Инференциальная статистика II (Андреа Габрио) Основное внимание уделяется продвинутым принципам инференциальной статистики, включая: проверку и формулировку гипотез, тест-статистику и p-значения вычисления, доверительные интервалы (общая концепция/формула) и их их интерпретация в свете рассматриваемой прикладной проблемы. Лекция 6 Инференциальная статистика III (Андреа Габрио) Основное внимание уделяется моделированию подходов к инференциальной статистике в контексте анализа двумерных данных и смежных тем. К ним относятся: корреляционный анализ (например, коэффициенты корреляции), простой линейный регрессионный анализ (вывод и интерпретация интерцепта и наклона), критерии хорошего соответствия, проверка предположений модели. Лекция 7 Биомедицинские базы данных и этическая и FAIR обработка данных (Фридерике Эрхарт) Мы представим некоторые из наиболее часто используемых биомедицинских баз данных: Геномные браузеры (Ensembl); генные (NCBI Gene), белковые (Uniprot), базы данных химических соединений (ChEBI); базы данных заболеваний (OMIM, Orphanet, DisGeNET); репозитории данных (GEO, MetaboLights, Zenodo). Ключевые Ключевыми элементами, рассматриваемыми в лекции, также являются: Открытые данные/открытая наука vs. Принципы конфиденциальности; GDPR, принципы надлежащей практики работы с данными - аннотирование, документация, контроль версий, лицензирование, идентификаторы, онтологии и контролируемые языки для аннотирования данных; планы управления данными и репозитории в повседневной практикеещё

Для работы Помощь с задачами по статистике в R. Готова увеличить стоимость заказа с учетом срочностиещё

35 лет. Для себя Перевод кода R на Pythonещё

Для себя У меня одна специфическая задача в R, которую не могу решить. Делаю логит модель через NLS и maximum likelihood. Хочу показать суть этих 2-х алгоритмов в плоте. Как: фиксирую все бета параметры и один пускаю через loop в определённой секвенции. Как итог: должна быть проблема минимизации и проблема максимизации. Код на Loop не работает, не могу понять почему. Нужен кто-то, кто хорошо понимает Rещё

20 лет. Подготовка к экзаменуещё

18 лет. Для помощи в вузе Помощь в решении задач и их объяснение для вузаещё

23 года. Для себя Помощь в написании проекта в R-studioещё

35 лет. Для себя Основы работы с R, проведение статистического анализа. Регрессияещё

18 лет. Подготовка к экзамену. Нужен репетитор для подготовки к пересдаче по Excel и Rstudioещё

20 лет. Для написания Лабораторной работы Написать программы для анализа датасета: 1) Регуляризация коэффициентов (L1 и L2) 2) Байесовский классификатор 3) Метод опорных векторов 4) Ансамбли моделей: бэггинг, случайные леса, бустинг 5) Кластерный анализещё