Program szkolenia:
- Wprowadzenie do R i pracy z AI
- o Podstawowe informacje o R i RStudio – co trzeba wiedzieć, by „rozumieć” kod
o AI jako asystent w R – możliwości, ograniczenia, dobre praktyki
o Jak pisać prompty generujące poprawny i czytelny kod R
o Uruchamianie, modyfikowanie i debugowanie kodu zaproponowanego przez AI
- Przygotowanie danych do analizy z pomocą AI
o Import danych z Excela/CSV – prompty do wczytania i wstępnego podglądu
o Czyszczenie i transformacje danych (zmiana typów, filtrowanie, tworzenie nowych zmiennych)
o Sprawdzanie jakości danych – braki, duplikaty, wartości odstające
- Opisowa analiza danych i wizualizacje w ggplot2
- Statystyki opisowe „na żądanie” – jak poprosić AI o właściwe miary
- Tworzenie podstawowych wykresów w ggplot2 (histogramy, boxploty, wykresy słupkowe, punktowe)
- Iteracyjna modyfikacja wykresu z AI: kolory, etykiety, motywy (theme), legendy, układ
- Anotacje, podpisy, wyróżnienia – „dopieszczanie” wykresu pod publikację
- Analiza skupień (klasteryzacja) z pomocą AI
- Idea analizy skupień – kiedy i po co ją stosować (przykłady biznesowe)
- Przygotowanie danych do klasteryzacji (standaryzacja, dobór zmiennych)
- Wybór liczby skupień – prompty do wykonania i interpretacji metod (np. metoda łokcia, silhouette)
- Przeprowadzenie klasteryzacji (np. k-means, hierarchiczna) z pomocą AI
- Wizualizacja i interpretacja wyników klasteryzacji
- Wykresy prezentujące skupienia (np. na płaszczyźnie głównych składowych – PCA)
- Profilowanie skupień – charakterystyka grup za pomocą wykresów
- Tłumaczenie wyników klasteryzacji na język biznesowy z pomocą AI
- Tworzenie raportów w R Markdown z pomocą AI
- Podstawy R Markdown – struktura dokumentu, fragmenty kodu, formatowanie
- Prompty do generowania szablonu raportu na podstawie przeprowadzonej analizy
- Automatyczne wstawianie wykresów, tabel i wniosków do raportu
- Eksport gotowego raportu (HTML/Word/PDF)
