pg-Rworkshop-2016

Warsztaty z R dla średniozaawansowanych na Politechnice Gdańskiej

Ramowy plan warsztatu

9:00-9:15/9:20 - [Prezentacja] Paweł Cejrowski - Istota Data Science
9:20-9:40 - [Prezentacja] Marcin Kosiński - Po co przyszliśmy na warsztat: co wiemy o R i analizie danych?
9:40-10:00 - [Prezentacja/Life-coding] Marcin Kosiński - Omówienie danych wraz z ich przygotowaniem w dplyr
10:00-10:30 - [Prezentacja/Life-coding] Marcin Kosiński - Omówienie podstaw uczenia statystycznego na przykładzie klasyfikacji wykorzystującej podstawowy algorytm na danych wybranych do warsztatu.
10:30-10:35 - Omówienie przygotowanych materiałów
10:35-12:00 - Praca w zespołach nad analiza danych i klasyfikacją z wykorzystanie algorytmów omówionych w przygotowanych materiałach. Prośba o prowadzenie analizy w plikach .Rmd. 6 pięcioosobowych zespołów.
12:00-12:30 - [Prezentacja zespołów] - PIZZA, w trakcie której zespoły opowiedzą [każdy zespół 5 min]:
- jaki algorytm wybrały
- na czym polega algorytm
- jakie są postępy
- jakie zmienne wybrano do analizy
- jakie są dalsze plany na anlizę
12:30-13:45 - Praca w zespołach nad analiza danych i klasyfikacją z wykorzystanie algorytmów omówionych w przygotowanych materiałach. Prośba o prowadzenie analizy w plikach .Rmd. 6 pięcioosobowych zespołów.
13:45-14:00 - Ostateczne 2minutowe prezentacje + sklejenie plików .Rmd w jedną stronę HTML.
14:00-14:15 - Zakończenie warsztatu i konsultacje.

Proponowane zbiory danych - ostatecznie zostaniemy przy jednym

Internet Advertisements Data Set - This dataset represents a set of possible advertisements on Internet pages. The features encode the geometry of the image (if available) as well as phrases occuring in the URL, the image's URL and alt text, the anchor text, and words occuring near the anchor text. The task is to predict whether an image is an advertisement ("ad") or not ("nonad"). Wymiary: 3279 X 1558
Multiple Features Data Set - This dataset consists of features of handwritten numerals (0'--9') extracted from a collection of Dutch utility maps. 200 patterns per class (for a total of 2,000 patterns) have been digitized in binary images. Wymiary: 2000 X 649
p53 Mutants Data Set - Biophysical models of mutant p53 proteins yield features which can be used to predict p53 transcriptional activity. All class labels are determined via in vivo assays. Wymiary: 16772 X 5409
The Cancer Genome Atlas Project Data - Breast Cancer - Clinical information, genes mutations and expressions for patients suffering from Breast Carcinoma. Wymiary: ~900 X ~22 tysiące
Free data set for very high dimensional classification - stackoverflow propositions