| Week | Werkvorm | Voorbereiding | Inhoud |
|---|---|---|---|
| 1 | HC | Inleiding Data Science - Data types | |
| WZ | Deel 1 & 2 cursustekst Excel | Excel (1/3) | |
| 2 | WZ | Deel 3 & 4 cursustekst Excel | Excel (2/3) |
| 3 | WZ | Excel (3/3) | |
| PO | Praktijkopdracht Excel | ||
| WZ | Installatie + DataCamp Cursus | Introductie tot RStudio & R + Rmarkdown | |
| 4 | HC | Data visualizatie | |
| WZ | Tutorial + oefeningen | Data visualizatie intro | |
| ZS | R4DS-3&8 | ||
| 5 | WZ | Oefeningen | Data visualizatie advanced |
| ZS | Extra oefeningen ggplot | ||
| HC | Beschrijvende statistiek | ||
| PO | Praktijkopdracht data visualizatie | ||
| 6 | WZ | Tutorial | Descriptieve statistiek (1/2) |
| WZ | Oefeningen | Descriptieve statistiek (2/2) | |
| ZS | Extra oefeningen + R4DS-5 | ||
| 7 | WZ | Herhalingsoefeningen | |
| WZ | Clustering | ||
| ZS | Extra oefeningen clustering | ||
| 8 | Paasvakantie | ||
| 9 | HC | Data Analyse Workflow | |
| WZ | Herhalingsoefeningen | ||
| PO | Praktijkopdracht descriptieve statistiek | ||
| 10 | HC | Data Cleaning & Transformatie | |
| WZ | Tutorial | Cleaning and transformation (1/2) | |
| 11 | WZ | Oefeningen | Cleaning and transformation (2/2) |
| ZS | Extra oefeningen Cleaning & Transformation + R4DS-15 | ||
| HC | Tidy data & Werken met tijd | ||
| 12 | WZ | Tutorial + oefeningen | Tidying |
| ZS | Extra oefeningen Tidying + R4DS-12-13 | ||
| WZ | Herhalingsoefeningen | ||
| PO | Praktijkopdracht Cleaning & Transformation | ||
| 13 | HC | Introductie tot Artificiële Intelligentie | |
| WZ | Tutorial | Werken met tijd | |
| ZS | Extra oefeningen Tijd + R4DS-16 | ||
| HC | Gastcollege ACA | ||
| 14 | WZ | Herhalingsoefeningen | |
| RC | Responsiecollege | ||
| PO | Praktijkopdracht Tidying & tijd |
Algemene toelichting van de concepten. Een samenvatting van de (meeste) hoorcolleges is beschikbaar in de cursustekst, en kan door studenten worden aangevuld met eigen notities.
Tutorials leggen de link tussen de hoorcolleges en de werkzittingen. Ze leggen uit hoe concepten toegepasten kunnen worden in R. Tutorials moeten steeds voorbereidt worden na het betreffende hoorcollege, en voor de werkzitting. We raden aan om dit op een actieve manier te doen (niet louter lezen, maar actief de dingen zelf in R proberen).
Tijdens de werkzittingen worden oefeningen gemaakt, zowel individueel als klassikaal. Voor veel werkzitting is er voorbereiding. Doorgaans is dit
Aangezien we in dit opleidingsonderdeel programmeren, is het voor de werkzittingen aangewezen om een laptop te gebruiken. Zie details Week 1 voor de nodige software installaties. Werkzittingen worden wel gegeven in een computerlokaal. De pc’s op UHasselt zijn uitgerust met de nodige software.
Van alle oefeningen die in de werkzittingen worden behandeld, worden de oplossingen ter beschikking gesteld.
Na de werkzitting is er zelfstudie voorzien. Doorgaans is dit het doornemen van het hoofdstuk in het R for Data Science boek (zie verder voor details), of het maken van extra oefeningen.
Oplossingen van extra oefeningen worden niet voorzien. Feedback of hulp omtrent deze oefeningen kan gevraagd aan medestudenten of docent via het discussieforum op Blackboard.
30% van het eindcijfer wordt bepaald door 5 praktijkopdrachten. De eerste praktijkopdracht (Excel) telt mee voor 10% van het eindcijfer. De volgende 4 opdrachten (R) zijn beknopter en tellen mee voor telkens 5% van het eindcijfer.
| Nr. | Topic | deelcijfer | deadline |
|---|---|---|---|
| 1 | Excel | 10% | 2 maart 2023, 18:00 |
| 2 | Data Visualizatie | 5% | 17 maart 2023, 18:00 |
| 3 | Descriptieve Statistiek | 5% | 13 april 2023, 18:00 |
| 4 | Cleaning & Transformation | 5% | 4 mei 2023, 18:00 |
| 5 | Tidying & Tijd | 5% | 19 mei 2022, 18:00 |
Alle praktijkopdrachten worden gemaakt met een groepje van 3 personen.
Alle praktijkopdrachten worden ingediend via Blackboard.
Geen of een laattijdige inzending van een opdracht resulteert in een 0 voor die opdracht.
In geval geen enkele opdracht ingediend wordt, resulteert dit in ongewettigde afwezigheid voor het volledige opleidingsonderdeel.
Op het examen (dat voor de overige 70% van het eindcijfer zorgt) wordt zowel de leerstof uit de hoorcolleges en werkzittingen geëvalueerd. Het examen is schriftelijk (op papier, niet PC). Een aantal voorbeeldexamenvragen bevinden zich op blackboard. Tijdens één van de laatste herhalingswerkzittingen zal er een zelftest-examen plaatsvinden.
De Excel-leerstof behoort niet tot de examen leerstof, en wordt enkel geëvalueerd aan de hand van de praktijkopdracht.
Vragen over de leerstof en (extra) oefeningen worden enkel beantwoord via het discussieforum op Blackboard, niet via mail.
Gelieve enkel via mail te communiceren voor praktisch zaken (zoals problemen met R installatie), of voor vragen rond de praktijkopdrachten.
Hoe stel ik een vraag op het discussieforum?
De cursustekst excel bestaat uit 4 delen, waarvan elk deel bestaat uit theorie en oefeingen. De tekst is beschikbaar op Blackboard, incl. Excel bestanden voor de voorbeelden en oefeningen. Oplossingen worden tevens gedeeld op Blackboard.
Het online leerplatform DataCamp zal gebruikt worden als voorbereiding voor werkzitting 4 (week 3). Daarnaast zullen ook de praktijkopdrachten van R deels op DataCamp plaatsvinden.
Beschikbaar via Blackboard als online pagina of als pdf (die de student al dan niet zelf kan afdrukken).
De cursustekst bestaat uit twee soorten hoofdstukken. Enerzijds zijn er hoofdstukken die het hoorcollege ondersteunen. Dit zijn meestal bullet-point notities van het hoorcollege die je zelf kan aanvullen. Anderzijds zijn er hoofdstukken die tutorials vormen, en dienen doorgenomen te worden voor specifieke werkzittingen.
Beschikbaar op Blackboard.
Volgende onderdelen behoren tot de leerstof:
R For Data Science (R4DS) is een handboek dat gratis ter beschikking is online (https://r4ds.had.co.nz/). Het zal daarom niet worden aangekocht door de campusboekhandel. Studenten die graag een fysieke versie van het handboek hebben, kunnen dit aankopen bij hun favoriete (online) boekhandel.
R4DS dient als extra bron van extra voorbeelden en uitleg. Specifieke hoofdstukken worden sterk aanbevolen als zelfstudie na het volgende van de werkzittingen. Functies en argumenten in de aangeduide hoofdstukken die niet aanbod komen in de tutorial of in de oefeningen behoren ook niet tot de leerstof. De oefeningen in R4DS mogen als extra oefeningen beschouwd worden en kunnen ter verbetering ingediend worden bij de docenten.
| Topic | Materiaal |
|---|---|
| R workflow | R for Data Science, Wickham & Grolemund |
| => Hoofdstuk 4,6,8 | |
| ggplot2 | R for Data Science, Wickham & Grolemund |
| => Hoofdstuk 3. Data Visualisation | |
| dplyr | R for Data Science, Wickham & Grolemund |
| => Hoofdstuk 5. Data Transformation | |
| Data cleaning en transformatie | R for Data Science, Wickham & Grolemund |
| => Hoofdstuk 15. Factors | |
| Data tidying | R for Data Science, Wickham & Grolemund |
| => Hoodfstuk 12. Tidy Data & Hoofdstuk 13. Relational Data | |
| Working with Time | R for Data Science, Wickham & Grolemund |
| => Hoofdstuk 16. Dates and Times | |
Merk op: De nummering van de hoofstukken in het boek R for Data Science verwijst naar de nummering die gebruikt wordt in de online versie. De fysieke versie van het boek gebruikt een andere nummering. Check daarom steeds de titel van het te lezen hoofdstuk online indien je het fysieke boek gebruikt.
Het boek Fundamentals of Data Visualization geldt als aanbeloven achtergrond materiaal bij de leerstof over Data Visualizatie. Het is online raadpleegbaar https://clauswilke.com/dataviz/.
Excel Hoofdstuk 1 & 2: Theorie & Oefeningen
Excel Hoofdstuk 3 & 4: Theorie & Oefeningen
Volg de DataCamp cursus Introduction to R
Installeren van R
Installeren van Rstudio
Indien je problemen hebt met de installatie van R/RStudio, gelieve dit zo snel mogelijk te melden (wacht niet tot in de werkzitting).
Oplossing voor oefening 1 t/m 10 word overlopen
Overige oefeningen worden afwisselend klassikaal en individueel gemaakt.
Oefeningen op de dplyr verbs
Univariate analyses
Bivariate analyses
Herhalingswerkzitting
Clustering
Herhalingswerkzitting
Data Cleaning & Transformation
Oefeningen op cleaning and transformation - Deel 1
Oefeningen op cleaning and transformation - Deel 2
Herhalingswerkzitting
Inleiding tot confirmatorische en predictieve analyse.
Gastcollege ACA
Herhalingswerkzitting