Arvestuse saamiseks tarvilik kursusel Kvantitatiivne digihumanitaaria kevadsemestril 2018

* DataCamp ggplot kursus 1. osa                                   02.02
* Kümme eriilmelist joonist filmibaasi põhjal                     09.02
* Kahe filmibaasi arvukogumi keskväärtuse võrdlus T-testi abil    16.02
* Kahe filmibaasi arvukogumi võrdlus Hii-ruut-testi abil          23.02
* Filmibaasi interaktiivne väljund Power Bi abil                  02.03
* Arvuline ennustamine lineaarse regressiooni abil                09.03
* Filmiandmete tutvustusüllitise peatükitoorikud                  16.03
* Filmiajaloo väljaande esitlus                                   27.03
* Peakomponentide analüüs                                         06.04
* Rühmakuuluvuse ennustamine                                      13.04
* Video filmibaasi andmete põhjal                                 20.04
* Filmiajaloo väljaande viimistluseks valmistamine                27.04
* Joonis(ed) kirjete läheduse illustreerimiseks                   11.05

* Seminar                                                         22.05



Selgitused


* DataCamp ggplot kursus 1. osa  
https://www.datacamp.com/courses/data-visualization-with-ggplot2-1
 1: Kristina, Anastasia, Katarina
 2: Astrid, Annika, Liisi
 3: Sandra, Kert, Gätlin
 4: Kaisa, Hagi, Kairi
 5: Merilin, Marianne, Jekaterina
   (tagumine osa jääb võibolla teisipäevaks)
   
* Kahe filmibaasi arvukogumi keskväärtuse võrdlus T-testi abil

Otsige välja sama tüüpi arvulised väärtused (nt. eri rühmade sünniaastad)
Näidake T-testi abil, kas ja kui palju nende aritmeetilised keskmised 
mõõdetavalt erinevad.
Soovitavalt juurde ka vähemalt histogrammid kummagi arvukogumi iseloomustamiseks. 

* Kahe filmibaasi arvukogumi võrdlus Hii-ruut-testi abil

Aluseks 6. tunni näited. 
Koostage sagedustabel ridade, veergude ja kogustega
Näidake testi abil veergude erinevuse tõenäosust
Illustreerige andmeid joonistega ja näidake võimalusel sarnasuse/erinevuse tagamaid


* Peakomponentide analüüs 

Ruudukujulisest andmetest peakomponentide analüüsi (prcomp) tulemuste 
leidmine - mitu arvu mõõdetava kohta iseloomustavad kui suure osa tema eripärast. 
Tunnis vaatame tehtud näiteid ja püüame märgata seoseid.

* Rühmakuuluvuse ennustamine           

Mudeli õpetamine näitandmete abil. Tulemuse ennustamine mudeli ja sisendandmete abil. Vastuse illustreerimine joonisega. Soovitav kasutada Microsoft Azure Machine Learning Studiot ning sinna juurde kuuluvat Jupyter Notebooki

* Video filmibaasi andmete põhjal 

Soovitav kasutada R-i animeerimisvahendeid

* Filmiajaloo väljaande viimistluseks valmistamine

Igaühelt võimalikult kõik materjalid viimistletuna kokku + koodinäited mustandifaili