Õppeaine lühikirjeldus

Tegemist on statistikute lemmik tarkvara R kursusega, kus antakse ülevaade R keele peamistest konstruktsioonidest ja andmetüüpidest, andmetöötlusvõimalustest ning hõlpsast jooniste tegemisest paketi ggplot2 vahenditega.

Aine läbinud üliõpilane:

• tunneb R keele süntaksit ja andmetüüpe,
• oskab andmeid sisse lugeda, töödelda ja salvestada,
• oskab kasutada kirjeldava statistika meetodeid,
• oskab visualiseerida andmeid ja seoseid tunnuste vahel.

Õppeaine eesmärgid

• Tutvustada üliõpilastele tarkvara R, anda ülevaade R-i võimalustest ja peamistest vigadest mida kiputakse tegema.
• Õppida käske andmetest ülevaate saamiseks, andmete töötlemiseks ja visualiseerimiseks.
• Tutvustada tarkvara R võimalusi reprodutseeritava analüüsi läbiviimiseks ning tulemuste visualiseerimiseks.

Miks just R tarkvara?

• R on programmeerimiskeel ja -keskkond, mis on peamiselt arendatud statistiliseks andmetöötluseks,
• R-i kasutajaskond on viimase kümmekonna aasta jooksul oluliselt kasvanud ülikoolides ja ettevõtetes,
• R on vabavara,
• R-ga käib kaasas lai valik lisapakette,
• R võimaldab tänapäeval juba palju enamat kui ainult andmetöötlus,
• R on ühildatav pea kõigi tuntumate andmetöötlusprogrammidega (nt. MS Excel, Tableau, SPSS, Qlik, Power BI, …)
• …

Sihtgrupp

Kursus on mõeldud statistikahuvilistele üliõpilastele, kes pole varem tarkvaraga R kokku puutunud.

Õppetöö korraldus

Õppeaines toimub kokku 10 praktikumi + 1 projektide kaitsmise praktikum. Praktikumid toimuvad klassiruumis.

Lisaks praktikumidele sisaldab õppeaine järgnevaid komponente:

• Kodutööd: Kokku antakse 5 kodutööd.
  • Kodutöö koosneb iseseisvalt lahendavatest ülesannetest praktikumis läbitud teemadel. Iga kodutöö tulemuseks on *.R fail koodi ning kommentaaridega või läbitud kodutöö-kursus DataCamp keskkonnas.
  • Kodutööde esitamine käib läbi Moodle või DataCamp keskkonna.
• Projekt: Lisaks tuleb läbi viia üks praktiline projekt vabalt valitud andmestiku peal. Projektitöö eesmärgiks on näidata, kuivõrd on tudeng omandanud oskused kasutada R-i andmete töötlemiseks. Samuti oskust R-ga analüüside tulemusi vormistada (nt. joonised).
  • Projekti võib teha kas üksinda või paaristööna.
  • Tulemusi on vaja esitleda suulisel kaitsmisel.
  • Projektid riputatakse pärast esitamist avalikult projektid lehele.
• Iga projekti esitanud tudeng(id) saavad ühe kaastudengi(te) projekti retsenseerimiseks.

Aine läbimiseks on vaja:

1. kõikide kodutööde eest saada vähemalt 51% punktidest,
2. koostada projekt ning seda esitleda,
3. retsenseerida kaastudengi projekti.

Õppeaines (3 EAP) ette nähtud 78 tundi tööd jaguneb järgnevalt:

• praktikumid kokku 20 tundi (10 praktikumi, igaüks 2 akadeemilist tundi),
• kodutööd kokku 20 tundi (5 kodutööd, igaüks 4 tundi),
• iseseisev töö 10 tundi (10 praktikumi, igaüks 1 tund),
• projekti koostamine 22 tundi,
• projekti esitluse ettevalmistus ja esitamine 4 tundi,
• kaastudengi projekti retsenseerimine 2 tundi.

Tunniplaan

Õppeaine toimub 2019/2020. õppeaasta sügissemestril.

• Praktikumid teisipäeviti kell 14:15 ja neljapäeviti kell 8:15 ruumis 203
  • I rühm nädalatel 2 - 6
  • II rühm nädalatel 8 - 12
• Projektide tähtaeg:
  • I rühm neljapäeval 24. oktoober kell 12:00 (nädal 8).
  • II rühm neljapäeval 5. detsember kell 12:00 (nädal 14).
• Projektide ettekandmine:
  • I rühm teisipäeval 5. november kell 14:15 (nädal 10).
  • II rühm teisipäeval 17. detsember kell 14:15 (nädal 16).

Kontakt ja küsimused

• I rühm - Kaur Lumiste kaur.lumiste [at] ut.ee ja Liivi 2-519.
• II rühm - Anne Selart anne.selart [at] ut.ee ja Liivi 2-519.