Reproducible Research
-
- Course level: Beginner
Course Prerequisite(s)
- Please note that this course has the following prerequisites which must be completed before it can be accessed
-
The Data Scientist’s Toolbox
-
R Programming
-
Getting and Cleaning Data
-
Exploratory Data Analysis
Description
Khóa học này tập trung vào các khái niệm và công cụ đằng sau báo cáo phân tích dữ liệu hiện đại theo cách có thể tái tạo. Nghiên cứu có thể tái tạo là các phân tích dữ liệu và nói chung là các tuyên bố khoa học, được công bố cùng với dữ liệu và mã phần mềm của họ để những người khác có thể xác minh các phát hiện và xây dựng dựa trên chúng. Nhu cầu về khả năng tái tạo đang tăng lên đáng kể khi các phân tích dữ liệu trở nên phức tạp hơn, liên quan đến các bộ dữ liệu lớn hơn và tính toán phức tạp hơn. Khả năng tái lập cho phép mọi người tập trung vào nội dung thực tế của phân tích dữ liệu, thay vì vào các chi tiết bề ngoài được báo cáo trong một bản tóm tắt bằng văn bản. Ngoài ra, khả năng tái lập làm cho một phân tích hữu ích hơn cho những người khác vì dữ liệu và mã thực sự tiến hành phân tích đều có sẵn. Khóa học này sẽ tập trung vào các công cụ phân tích thống kê thông thạo cho phép một người xuất bản các phân tích dữ liệu trong một tài liệu duy nhất cho phép những người khác dễ dàng thực hiện cùng một phân tích để có được kết quả giống nhau.
Là khóa thứ năm trong chuỗi khóa học Data Science Specialization
- Khóa 1: The Data Scientist’s Toolbox
- Khóa 2: R Programming
- Khóa 3: Getting and Cleaning Data
- Khóa 4: Exploratory Data Analysis
- Khóa 5: Reproducible Research
- Khóa 6: Statistical Inference
- Khóa 7: Regression Models
- Khóa 8: Practical Machine Learning
- Khóa 9: Developing Data Products
- Khóa 10: Data Science Capstone
What Will I Learn?
- Tổ chức phân tích dữ liệu để giúp tái tạo dữ liệu hơn
- Viết một phân tích dữ liệu có thể tái tạo bằng cách sử dụng dao
- Xác định khả năng tái lập của dự án phân tích
- Xuất bản các tài liệu web có thể tái tạo bằng Markdown
Topics for this course
7h
Week 1: Concepts, Ideas, & Structure
This week will cover the basic ideas of reproducible research since they may be unfamiliar to some of you. We also cover structuring and organizing a data analysis to help make it more reproducible. I recommend that you watch the videos in the order that they are listed on the web page, but watching the videos out of order isn't going to ruin the story.
Week 2: Markdown & knitr
This week we cover some of the core tools for developing reproducible documents. We cover the literate programming tool knitr and show how to integrate it with Markdown to publish reproducible web documents. We also introduce the first peer assessment which will require you to write up a reproducible data analysis using knitr.
Week 3: Reproducible Research Checklist & Evidence-based Data Analysis
This week covers what one could call a basic check list for ensuring that a data analysis is reproducible. While it's not absolutely sufficient to follow the check list, it provides a necessary minimum standard that would be applicable to almost any area of analysis.
Week 4: Case Studies & Commentaries
This week there are two
case studies involving the importance of reproducibility in science for you to watch.
About the instructor
40 Courses
0 students
Free
Material Includes
- 4 bài học/4 tuần
- Tổng 33 video
- Khác: Tài liệu, Kiểm tra ôn tập
- Free Certificate (Audit)/ Paid Certificate
Enrolment validity: Lifetime
Tags
Target Audience
- Người bắt đầu tìm hiểu về khoa học dữ liệu và phân tích dữ liệu