- 数据科学是综合了统计学、计算机科学和专业领域的交叉学科，具体内容就是用数据的方法研究科学，用科学的方法研究数据。
- R 语言是统计编程的第一语言，集统计分析与图形显示于一体。通过学习和掌握语言的语法，可以编制自己的函数来扩展现有的语言。
- 2019 年国际统计学年会将考普斯总统奖（统计学界的诺贝尔奖）颁给 R 语言宏包 tidyverse 的作者 Hadley Wickham，说明 R 语言得到了学术界的充分认可。
- 由于统计分析能力突出、作图功能强大、拓展与开发能力强等特点，在国际上，R 语言在自然科学和社会科学研究领域，得到了越来越广泛的应用。
本课程将以 R 语言作为数据科学学习之旅的新起点，讲解 R 语言入门基础、数据可视化、数据处理、探索性分析、统计建模、案例解析以及在代表性领域的应用，适用于研究生和博士生。
训练数据思维、提升编程技能、培养创新能力
| 编号 | 标题 | 主要内容 |
|---|---|---|
| 0 | Why R? | R是什么？R能干什么？为什么是R? |
| 1 | 安装与环境配置 | 了解数据科学流程，配置运行环境，安装R和Rstudio，以及如何安装所需要的宏包 |
| 2 | R语言基础 | 基本运算、数据类型、数据结构、常用统计函数等，了解脚本、宏包以及如何获取帮助 |
| 3 | 可重复性文档 | Rmarkdown语法，生成html格式报告、生成pdf格式报告、生成word格式报告 |
| 4 | 运算符及向量运算 | 算术运算符，关系运算符，逻辑运算符，以及向量化操作 |
| 5 | 函数 | 基础函数、自定义函数，函数调用，使用宏包函数 |
| 6 | 子集选取 | 向量、列表、矩阵、数据框 |
| 7 | 读取数据 | 项目管理，文件命名，读取外部文件 |
| 8 | 数据处理 | dplyr数据处理 |
| 9 | 数据处理进阶 | 各种数据处理技巧，案例讲解 |
| 10 | 数据可视化1 | ggplot2基本语法、映射、设置、图片保存 |
| 11 | 数据可视化2 | 几何图形 |
| 12 | 数据可视化3 | 标度体系 |
| 13 | 数据可视化4 | 主题风格 |
| 14 | 数据规整 | 长表格、宽表格以及相互转化 |
| 15 | 行方向 | 数据框中的行方向和列方向操作 |
| 16 | 因子类型数据 | 因子型变量及其在可视化中的应用 |
| 17 | 可视化探索 | 用ggplot2重复一张图 |
| 18 | 数据可视化5 | 统计图层 |
| 19 | 数据可视化6 | 可视化中的图形组合、字体、配色等 |
| 20 | 代码规范 | 代码书写规范及可读性 |
| 21 | 字符串处理 | 正则表达式，文本信息提取 |
| 22 | 线性回归 | 一元回归、多元回归模型，重点是分析和解释模型输出、拟合与预测 |
| 23 | 列表列 | 增强型数据框及其应用 |
| 24 | 迭代 | 高效迭代技术及其在建模中的应用 |
| 25 | 探索性数据分析1 | 结合案例数据，综合运用数据处理、可视化探索技能 |
| 26 | 基础统计分析 | 基本描述统计，假设检验，方差分析，以及与线性回归的等价性 |
| 27 | 广义线性回归 | logistic regression, poisson regression |
| 28 | 多层模型 | 多层线性模型， pooling model, no-pooling model, partially pooled model |
| 29 | 探索性数据分析2 | 结合具体案例，完成数据分析和建模，训练数据思维 |
| 30 | 模拟 | 理解模型最好的方法就是模拟 |
结合所在学科，找一篇与自己研究方向相关的文献，用课堂上学到的 R 统计编程技能，重复文献的数据分析和可视化过程。
愿 R 语言成为你构建知识大厦的脚手架！