#R

R 과 python 중에 무엇을 공부해야 할까요?

Data Handling with R and SQL

R 기초 101 데이터의 종류들 (Data Types)

R 기초 102 데이터 불러오기 (Importing Data)

R 기초 103 직접 데이터 입력하기 (Keyboard Input)

R 기초 104 DB에서 데이터 불러오기 (Database Input)

R 기초 105 데이터 출력하기 (Exporting Data)

R 기초 106 데이터 살펴보기 (Viewing Data)

R 기초 107 변수 이름 및 레이블 (Variable Names and Labels)

R 기초 108 값 레이블 (Value Labels)

R 기초 109 결측치 처리 (Missing Data)

R 기초 110 날짜 다루기 (Date Values)

R 기초 201 새로운 변수 만들기 (Creating New Variables)

R 기초 202 내장 연산자들 (Built-in Operators)

R 기초 203 내장 함수들 (Built-in Functions)

R 기초 204 제어문 (Control Structures)

R 기초 205 사용자 정의 함수 (User-written Functions)

R 기초 206 데이터 정렬하기 (Sorting Data)

R 기초 207 데이터 합치기 (Merging Data)

R 기초 208 데이터 합치기 (Aggregating Data)

R 기초 209 데이터 재구성하기 (Reshaping Data)

R 기초 210 데이터 추출하기 (Subsetting Data)

R 기초 211 데이터 형식 변환하기 (Data Type Conversion)

R 기초 301 기술통계량 (Descriptive Statistics)

빈도 분석 (Frequencies and Crosstabs)

R 기초 312 with( ) 와 by( ) 사용하기 (Using with( ) and by( ))

Tree-Based Models

Histograms and Density Plots

금융 데이터 불러오기 (Using Fiancial Data)

Open API 사용하기 (Using Open API)

Correlations

t-tests

Logistic Regression

R 마크다운(R Markdown)으로 블로그하는 방법

R 과 RStudio 설치하는 방법

R 과 RStudio 처음 사용할 때 알아야 하는 것들

R 에서 생성한 데이터를 클립보드에 붙이는 방법

R 에서 사용하는 데이터의 종류들

R 에서 원하는 키워드의 네이버 뉴스를 웹크롤링(스크래핑) 하는 방법

R 에서 네이버 뉴스 검색 결과로 워드 클라우드를 만드는 방법

R 패키지를 오프라인 환경에서 설치하는 방법

#SQL

Data Handling with R and SQL

#classification

KNN (K-Nearest Neighbor)

LDA (Linear Discriminant Analysis)

SVM (Support Vector Machine)

Tree-Based Models

Logistic Regression

#demension reduction

LDA (Linear Discriminant Analysis)

#jekyll

Jekyll 및 GitHub Pages 로 블로그하기

R 마크다운(R Markdown)으로 블로그하는 방법

#python

R 과 python 중에 무엇을 공부해야 할까요?

파이썬 기초 01 설치 및 환경설정

파이썬 기초 02 변수의 종류

파이썬 기초 03 제어문 if, while, for

파이썬 기초 04 numpy and array

파이썬 기초 05 Pandas and DataFrame

KNN (K-Nearest Neighbor)

LDA (Linear Discriminant Analysis)

SVM (Support Vector Machine)

TensorFlow 와 Keras 설치

#regression

#supervised

KNN (K-Nearest Neighbor)

LDA (Linear Discriminant Analysis)

SVM (Support Vector Machine)