Från http://drewconway.com/zia/2013/3/26/the-data-science-venn-diagram

Matstat-kurser fokuserar oftast helt på Model-steget, denna kurs har ambitionen att beröra de övriga.

Bild från: http://r4ds.had.co.nz/introduction.html

• …speciella verktyg för saker som är för stora för datorns internminne (Big Data?)…
• …verktyg för regression och prediktion (Machine learning, Deep learning, …)…
• …men kanske Data mining??

• Som statistiker/aktuarie/matematiker skriver du många rapporter.
• Många frestas skapa tabeller och figurer genom att klippa, klistra, klicka i och mellan Excel-ark.
• Exempel: Ta fram en figur över KPI 2017 https://www.google.se/search?q=kpi+scb

• “Intressant med nedgången på slutet, men vad är månad 13?”
• “Snyggt, men kan jag få en tabell istället?”
• Nästa år får en kollega (eller du själv) samma uppdrag och undrar hur du fick fram uppgifterna.

Reproducibility is the ability to get the same research results or inferences, based on the raw data and computer programs provided by researchers. (Wikipedia)

• Jfr Replikerbarhet, förmågan att komma fram till samma slutsats baserat på oberoende data/analys.
• Du kan aldrig garantera att du gjort “rätt”, men du kan i alla fall dokumentera vad du gjort.

• Allt skrivet i kod (inget klickande eller klippande/klistrande av resultat/tabeller/figurer)

• Portabelt (koden skall vara körbar, inte bara på din dator idag)

• Tillgängligt (andra skall enkelt kunna ta del av och reproducera din analys)

• Automatiserat från rådata till rapport (en knapptyckning skall räcka för att generera slutprodukten)

summary(mtcars$mpg)
summary(mtcars$"mpg")
summary(mtcars[, "mpg"])
summary(mtcars["mpg"])
summary(mtcars[["mpg"]])
summary(mtcars[1])
summary(mtcars[, 1])
summary(mtcars[[1]])
with(mtcars, summary(mpg))
attach(mtcars); summary(mpg)
summary(subset(mtcars, select=mpg))

Från http://r4stats.com/articles/why-r-is-hard-to-learn/

En serie R-paket med stort inflytande från Hadley Wickham på RStudio. Design filosofi: Snabba, konsistenta och ändamålsenliga funktioner. Fokus i denna kurs.

Vi behöver automatiskt kombinera text, resultat, tabeller och figurer.

Bild från https://rosannavanhespenresearch.files.wordpress.com/

Ett märkspråk (markup language) för typsättning.

http://writeme.mattstow.com/

En utveckling av Markdown som inkluderar körbar kod.

• En viktig aspekt för att göra kod tillgänglig är att göra den läsbar

• I den här kursen kommer vi att använda The tidyverse style guide av Hadley Wickham

• styler-paketet har ett bekvämt Rstudio-Addin som hjälper dig transformera din kod enligt stilguiden

En mjukvara för versionshantering och en webbaserad lagringstjänst.

• Ett web-hotell för delning av filer, främst programkod
• Bygger på versionshanteringsprogrammet Git med avancerad funktionalitet för att underlätta samarbete
• https://github.com/Microsoft/malmo
• https://github.com/tidyverse/dplyr

Ger även .Rproj för ökad portabilitet.

• Allt skrivet i kod: R

• Portabelt: .Rproj (RStudio)

• Tillgängligt: GitHub

• Automatiserat: R Markdown

Ger grundläggande träning och förberedelse inför lektion. Inte betygsgrundande, men lektioner och handledning kommer förutsätta att de är gjorda.

• Förberedelse: Uppgifter på DataCamp inför varje lektion.
• Lektioner: Huvudsakligen korta genomgångar följt av programmeringsuppgifter med handledning.
• Examination:
  • 6 inlämningsuppgifter.
  • Digital tentamen.
  • Projekt.

• Sex uppgifter med deadlines följande sex söndagar.
• Löses individuellt och självständigt (begränsad handledning).
• Kanratgranskning.
• Missad deadline/underkänd uppgift: Omexamination
• När nästa kursomgång startar nollställs alla delresultat.

• Två delar: Flervalsfrågor och problemlösning i RStudio-miljö.
• Hjälpmedel: Relevanta Cheatsheets från RStudio.
• Examination i December, omtenta i Januari (TimeEdit)

• Ett inlägg i en data-blogg.
• Belyser en frågeställning med hjälp av ett unikt datamaterial.
• Handledningstilfällen kommer schemaläggas.
• Kort (5 min) muntlig presentation (TimeEdit).

2019-11-27: Benjamin Allévius