Introduction to Data Science with R
0 likes63 views
Dokumen ini memperkenalkan data science dan pentingnya R dalam analisis data, menjelaskan hubungan antara data science dengan machine learning, traditional software, dan traditional research. R dipilih karena keunggulannya seperti gratis, keberlanjutan, serta dukungan komunitas yang aktif, meskipun memiliki beberapa kelemahan dalam hal pembelajaran dan kecepatan dengan dataset besar. Selain itu, ada referensi untuk berkumpulnya komunitas R di Indonesia dan sumber daya untuk belajar lebih lanjut tentang R.
Introduction to Data Science with R
- 1. Introduction to Data Science with R Sabar Suwarsono, S.Si @soewarsono ...
- 2. Who am I? Data Scientist with R enthusiast Member of Komunitas R Indonesia Member of Komunitas GNU/Linux Malang (KLiM)
- 3. Data Science Data science adalah ilmu interdisiplin yang berarti data science terbentuk dari berbagai ilmu pengetahuan. Menurut Staven Geringer Raleigh (2014), pembentuk data science dapat diilustrasikan dalam diagram venn berikut, Data science mencakup disiplin ilmu yang luas, berdasarkan diagram diatas terdapat 3 disiplin ilmu yang berfokus pada data science.
- 4. Machine Learning Machine learning merupakan irisan dari ilmu matematika dan statistika dengan ilmu komputer. Machine Learning adalah cabang dari disiplin ilmu kecerdasan buatan (Artificial Intelligence) yang bertujuan memberikan kemampuan kepada komputer untuk dapat melakukan proses belajar. Banyak algoritma machine learning yang digunakan untuk melakukan analisis data dengan tingkat akurasi yang tinggi, yang paling populer adalah neural network. Dimana kita ketahuai fundamental sebuah algoritma selalu menggunakan ilmu matematika. Salah satu penerapannya adalah Cortana atau yang lebih dikenal sebagai asisten dari pengguna Windows 10 merupakan salah satu penarapan machine learning.
- 5. Traditional Software Traditional software merupakan irisan dari ilmu komputer dengan SME (Subject Matter Expertise), SME adalah pengetahuan mengenai proses dari suatu bisnis atau instansi untuk beroperasi sehingga dapat dibuat (develop) suatu sistem yang dapat membantu bisnis atau instansi tersebut. Penerapan traditional software hampir digunakan oleh seluruh instansi pemerintahan maupun bisnis, contohnya e-learning, e-library, online banking, Point of Sales (PoS), dan lain-lain.
- 6. Traditional Research Traditional research merupakan irisan dari ilmu matematika dan statistika dengan SME (Subject Matter Expertise). Traditional research hampir digunakan diberbagai perusahaan, instansi serta universitas. Penelitian-penelitian yang dilakukan umumya menggunakan traditional research.
- 7. Apa itu Data Scientist? Berdasarkan diagram, data science adalah ilmu yang memuat disiplin ilmu- ilmu tersebut. Dalam perkembangan selanjutnya, seseorang yang berkecimpung dalam ilmu ini disebut Data Scientist. Namun terdapat pertimbangan antara data scientist dan unicorn pada diagram diatas. Dalam kenyataannya sangat susah untuk mencari seseorang yang expert di semua ilmu tersebut. Dalam diagram, orang ini adalah definisi dari unicorn pada diagram diatas. Sehingga unicorn adalah orang yang perfect di bidang data science.
- 8. Founded by Ross Ihaka & Robert Gentleman High level language Interactive & Programming A swiss army knife for statistical tests and models, out-of-the box! Download R
- 9. Changes in the realm of analytical software 1. Point and click software solutions (e.g. SPSS, SAS) are limited 2. Software is becoming free in several areas (OS, free APIs, applications, etc.) 3. Reproducible and transparent research movements source: http://r4stats.com/articles/popularity/
- 10. Advantages of R Completely free Reproducibility The R community is very active and helpful (e.g. Stack Overflow) Evolving rapidly Several statistical procedures are first (or only) available in R Great tools for sharing results (make presentations, posters, notebooks, books, articles in R) You can do every step of a data analysis project within R, from collecting, transforming, and analyzing the data to plotting and even sharing the results. Version control via GitHub source: http://blog.revolutionanalytics.com/2016/04/cran-package-growth.html
- 11. Disadvantages of R Can be difficult to learn Can be slow with huge datasets (we are talking about data tables with several million records) Best used in data science/analysis circles, not a generic language Obscure syntax (imo now resolved)
- 12. Reasons to learn R: get published R has the largest growth in analytical software in science Learning R can make you the stat/tech guy -> everybody will want to work with you -> lots of publications at least as a co-author source: http://r4stats.com/articles/popularity/
- 13. Reasons to learn R: you can get a job source: http://r4stats.com/articles/popularity/
- 14. Reasons to learn R: support and popularity source: http://redmonk.com/sogrady/2015/07/01/language-rankings-6-15/
- 15. Why R and not another data science language + - R Stats and research centric Stunning visualizations Data manipulation Great community support Steep learning curve Obscure syntax Python Data manipulation Easier to learn Great community support Generic language Stats not cutting edge Ecosystem a bit chaotic Matlab Mathematical capabilities Toolboxes Visualizations Cumbersome string data management Not open source Really expensive Octave Free Matlab Cant run Matlab toolboxes 俗_( )_/俗 Julia Intuitive syntax (for mathematicians) Lightning fast Underdeveloped Poor community support
- 16. Main features: Console Syntax-highlighting editor Tools for plotting, history, debugging and workspace management Download RStudio
- 17. Lets try it out!play with and set RStudio
- 18. - use Projects, not setwd(...) - use script, try to avoid console - Ctrl+Shift+F10 and Ctrl+Alt+B, not rm(list=ls()) - Tab is your friend! - learn the handy shortcuts - do not save and load .Rdata - set up the .Rprofile - use git! Download: git-scm.com/ Reading: happygitwithr.com
- 19. Tidyverse?
- 20. Human thought Machine Language Source: https://github.com/rstudio-education/arm-workshop-rsc2019
- 21. Human thought Machine Language Source: https://github.com/rstudio-education/arm-workshop-rsc2019
- 22. Human thought Machine Language Source: https://github.com/rstudio-education/arm-workshop-rsc2019 The tidyverse is an opinionated collection of R packages designed for data science.
- 23. Program Import Tidy Transform Visualise Model Communicate Understand Data science activity
- 25. How to install it? install.packages(tidyverse) https://tidyverse.org/
- 26. Next? Have fun!
- 27. R for Data Science (r4ds.had.co.nz) Introduction to Statistical Learning (www-bcf.usc.edu/~gareth/ISL/) Online books (bookdown.org) Online course (2 m.o access at DataCamp >> my.visualstudio.com) Need help? install.packages(swirl)
- 28. Telegram: @GNURIndonesia (t.me/GNURIndonesia) Region Malang (t.me/RIndonesia_Malang) Web: https://r-indonesia.id/ GitHub: www.github.com/indo-r Indonesian R user community