Arvestuse saamiseks tarvilik kursusel XML rakendused kevadsemestril 2017

Intermediate R esimene peatükk                            09.02
Intermediate R peatükid 2-4                               16.02
Intermediate R peatükk 5                                  20.02
Andmeallikate ühendamine, ülevaated ühendandmetest        27.02
Power Bi omaduse tutvustamine                             02.03
Skeem                                                     13.03
Andmete põhjal õppimine  (Datacamp kursus)                27.03
Andmepuu                                                  30.03
Andmepuu rekursiivne töötlus                              10.04
Masinõpe lähinaabrite järgi                               17.04


Selgitusi

Keskkonna datacamp.com kursuse Intermediate R
https://www.datacamp.com/courses/intermediate-r

esimese peatükiga (Conditionals and Control Flow) tutvumine,
vähemalt poolte ülesannete lahendamine
Keskkonda registreerimiseks andke õppejõule oma e-posti aadress


* Intermediate R peatükid 2-4

https://www.datacamp.com/courses/intermediate-r

* Andmeallikate ühendamine, ülevaated ühendandmetest

Uuritav andmestik saadakse kokku merge abil eri allikatest tulevaid andmeid ühendades
Tulemus näidatakse Shiny veebirakendusena, kus vastavalt kasutaja valikutele 
kuvatakse joonisel eri näitajaid, muuhulgas t-testiga seotud usaldusvahemikke. 

Näiteks: õunte diameetrite andmed
http://www.tlu.ee/~jaagup/andmed/muu/ounad/ounad1000.txt
Tihedused
http://www.tlu.ee/~jaagup/andmed/muu/ounad/tihedused.txt
Kasutaja näeb kogumasse õunasortide kaupa.
Kasuta saab valida usaldusintervalli ning õunasordi ning talle näidatakse vastavalt sorti õunte diameetrite jaotust ning üldkogumi diameetri keskmise alam- ja ülempiiri valitud usaldusintervalli juures.

PowerBi omaduste tutvustamine

https://docs.google.com/presentation/d/1s2r0wUY7W7CdA6f3x9T6U_rWYZzz5edWgOx5S1vewVY/edit#slide=id.g1d06252ff9_0_13
https://docs.google.com/presentation/d/1sDqL48JExf8uORwc-uFtovVpKQZ4VrR-qhgLSqdsTII/edit?ts=58b7d9d0#slide=id.p
https://docs.google.com/presentation/d/1v15Kz7wSyfvshLq3rvTzlkFIxjh4D6QpvX8W-jS8oWI/edit?ts=58b7d9e2#slide=id.p
https://docs.google.com/presentation/d/1woIL0r43h-FQbb3WJXjA1LHiS7DyHtYyvqgNdCfAsr4/edit?ts=58b7e61b#slide=id.p

https://jaanmk.ddns.net/ope/powerbi/


Skeem

Temaatiline XML-andmestikku kirjeldav XSD-skeem. Võimalusel kasutada andmetüüpide piiranguid.
Näiteid: arvuti riistvara kirjeldus, koduloomade register, kokaraamat.
Juurde näitfail(id)


Andmete põhjal õppimine

DataCamp kursus
https://www.datacamp.com/courses/unsupervised-learning-in-r
läbi teha

Andmepuu

Andmete lisamine, kasutamine ja kuvamine andmepuus
 data.tree või mõne muu vahendi näitel oma andmetega.
http://minitorn.tlu.ee/~jaagup/kool/java/kursused/17/xmlrak/tark/puud.R
https://cran.r-project.org/web/packages/data.tree/vignettes/data.tree.html

Andmepuu rekursiivne töötlus 

Näiteks kategooria koefitsientide abil toodete lõpphinna arvutamine
http://minitorn.tlu.ee/~jaagup/kool/java/kursused/17/xmlrak/tark/tootepuu/

Masinõpe lähinaabrite järgi

Tutvu juhendiga andmerühmade määramiseks lähinaabrite järgi
https://www.datacamp.com/community/tutorials/machine-learning-in-r
tee näited läbi. 

Otsi analüüsiks mõned programmikooditekstid ja mõned ajaleheartiklid. Leia kummagi kohta tähtede (või kahe/kolmetäheliste tähejärjestuste) (suhtelised) esinemissagedused. Lisage eraldi uuritavatekst tekstideks paar artiklit ja paar programmikoodi. Näita, kui hästi masinõppe algoritmi alusel tehakse kindlaks, kumba tüüpi tekstiga on tegemist.