Язык программирования R (syllabus) 2026: различия между версиями

Материал из Поле цифровой дидактики
Новая страница: «{{Curriculum |Environment=R |Book=R for Data Science }} == Последовательность курса == <uml> @startuml skinparam NoteBackgroundColor tan skinparam backgroundColor white skinparam activity { BackgroundColor lightblue BorderColor navy } start :Факультатив "R для Digida Big Data"; note right 4 занятия, 1.5–2 часа каждое Связь: результаты → курс "Методы...»
 
Нет описания правки
 
(не показаны 2 промежуточные версии этого же участника)
Строка 1: Строка 1:
{{Curriculum
{{Curriculum
|Learning_outcomes=Знать 
* основные особенности языка R и его роль в анализе данных ;
* принципы tidy data: строка = наблюдение, столбец = переменная;
* базовые возможности пакетов dplyr, httr/jsonlite, ggplot2 для обработки, получения и визуализации данных;
* общую схему работы с данными курса: Digida/NetLogo → CSV/API → R → визуализация → публикация на Digida.
; Уметь 
* настраивать рабочую среду R/RStudio и загружать данные из CSV‑файлов;
* выполнять базовую обработку данных в R: фильтрацию, выбор столбцов, группировку, агрегирование с помощью `%>%` и dplyr;
* получать данные по HTTP и из MediaWiki API (Digida) и преобразовывать их в таблицы;
* строить простые графики в ggplot2 (столбчатые, линейные, точечные) и сохранять результаты;
* документировать полный рецепт обработки данных на странице Digida (код, данные, результаты, вывод).
; Владеть 
* базовыми приёмами потоковой обработки данных в R с использованием pipe‑нотации;
* навыками интеграции R‑скриптов с инфраструктурой Digida
|Description=; Введение в язык R и настройка рабочей среды 
* обзор языка R и RStudio;
* установка и выбор рабочей директории; 
* загрузка данных из CSV (логи Digida, результаты NetLogo);
*  базовые операции: просмотр данных, размер, типы столбцов.
; Элементы языка программирования R и tidydata 
* векторы, data.frame, основы индексирования;
* пакет dplyr: `filter`, `select`, `mutate`, `group_by`, `summarise`;
* оператор pipe `%>%` и построение цепочек преобразований;
*  tidydata и приведение исходных логов/экспериментов к опрятному виду.
; Получение данных из файлов, по HTTP и через MediaWiki API 
* повторение `read.csv` для локальных файлов (Digida/NetLogo CSV);
* пакет httr: выполнение GET‑запросов;
* пакет jsonlite: преобразование JSON в таблицы;
* примеры запросов к MediaWiki API Digida (recentchanges и др.);
* объединение данных из нескольких источников (merge/join). 
; Визуализация данных и R‑рецепты для Digida 
* базовые графики в ggplot2: `geom_col`, `geom_line`, `geom_point`;
* настройка подписей, осей, тем и сохранение графиков (ggsave);
* структура R‑рецепта: описание задачи, данные, код, таблицы, графики, выводы;
* создание страницы в категории RRecipe на Digida с полным рецептом извлечения и анализа данных.
|Environment=R
|Environment=R
|Book=R for Data Science
|Book=R for Data Science
}}
}}
== Последовательность курса  ==
== Последовательность курса  ==


Строка 17: Строка 55:
start
start


:Факультатив "R для Digida Big Data";
:Факультатив "R ";
note right
note right
4 занятия, 1.5–2 часа каждое
Связь: → курс "Методы обработки больших данных"
Связь: результаты → курс "Методы обработки больших данных"
end note
end note


Строка 34: Строка 71:
Скрипт: загрузить CSV, head(), dim()
Скрипт: загрузить CSV, head(), dim()
Результат: скрин консоли на Digida
Результат: скрин консоли на Digida
Баллы: 2
end note
end note


:Занятие 2: R элементы + Tidydata + Pipe;
:Занятие 2: R элементы + \nTidydata + Pipe;
note right
note right
dplyr: filter, select, mutate, group_by
dplyr: filter, select, mutate, group_by
Строка 50: Строка 86:
Выход: CSV с топ-5 редакторов
Выход: CSV с топ-5 редакторов
Таблица результатов на Digida
Таблица результатов на Digida
Баллы: 3
end note
end note


Строка 65: Строка 100:
Вариант A: загрузить 2 CSV + merge
Вариант A: загрузить 2 CSV + merge
Вариант B: запрос к Digida API
Вариант B: запрос к Digida API
Скрин первых строк на Digida
Баллы: 3
end note
end note


Строка 82: Строка 115:
Категория: RRecipe
Категория: RRecipe
Название: исследовательский вопрос
Название: исследовательский вопрос
Теги: RRecipe, Digida, DataAnalysis
end note
end note


Строка 97: Строка 129:
   note right
   note right
"Анализ активности редакторов Digida"
"Анализ активности редакторов Digida"
"NetLogo эксперименты: параметры vs результаты"
"NetLogo эксперименты:"
"Сетевой анализ участников"
end note
end note
}
}
Строка 110: Строка 141:
end note
end note


:Итоговая сводка;
note left
Баллы: 2+3+3+4 = 12
Выход: 3 задания + 1 R-рецепт
Готовность: использовать R в курсе big data
end note


:Связь с курсом "Методы обработки больших данных";
:Связь с курсом "Методы обработки больших данных";
note right
note right
MapReduce (Java) → CSV
MapReduce → CSV
Импорт CSV в R → анализ/визуализация
Импорт CSV в R → анализ
Результаты → Active Essay на Digida
Результаты → Active Essay на Digida
Замыкается петля: данные → инструменты → знание
петля: данные → инструменты → знание
end note
end note


Текущая версия от 21:31, 15 февраля 2026



Планируемые результаты обучения (Знать, Уметь, Владеть) Знать
  • основные особенности языка R и его роль в анализе данных ;
  • принципы tidy data: строка = наблюдение, столбец = переменная;
  • базовые возможности пакетов dplyr, httr/jsonlite, ggplot2 для обработки, получения и визуализации данных;
  • общую схему работы с данными курса: Digida/NetLogo → CSV/API → R → визуализация → публикация на Digida.
Уметь
  • настраивать рабочую среду R/RStudio и загружать данные из CSV‑файлов;
  • выполнять базовую обработку данных в R: фильтрацию, выбор столбцов, группировку, агрегирование с помощью `%>%` и dplyr;
  • получать данные по HTTP и из MediaWiki API (Digida) и преобразовывать их в таблицы;
  • строить простые графики в ggplot2 (столбчатые, линейные, точечные) и сохранять результаты;
  • документировать полный рецепт обработки данных на странице Digida (код, данные, результаты, вывод).
Владеть
  • базовыми приёмами потоковой обработки данных в R с использованием pipe‑нотации;
  • навыками интеграции R‑скриптов с инфраструктурой Digida
Содержание разделов курса ; Введение в язык R и настройка рабочей среды
  • обзор языка R и RStudio;
  • установка и выбор рабочей директории;
  • загрузка данных из CSV (логи Digida, результаты NetLogo);
  • базовые операции: просмотр данных, размер, типы столбцов.
Элементы языка программирования R и tidydata
  • векторы, data.frame, основы индексирования;
  • пакет dplyr: `filter`, `select`, `mutate`, `group_by`, `summarise`;
  • оператор pipe `%>%` и построение цепочек преобразований;
  • tidydata и приведение исходных логов/экспериментов к опрятному виду.
Получение данных из файлов, по HTTP и через MediaWiki API
  • повторение `read.csv` для локальных файлов (Digida/NetLogo CSV);
  • пакет httr: выполнение GET‑запросов;
  • пакет jsonlite: преобразование JSON в таблицы;
  • примеры запросов к MediaWiki API Digida (recentchanges и др.);
  • объединение данных из нескольких источников (merge/join).
Визуализация данных и R‑рецепты для Digida
  • базовые графики в ggplot2: `geom_col`, `geom_line`, `geom_point`;
  • настройка подписей, осей, тем и сохранение графиков (ggsave);
  • структура R‑рецепта: описание задачи, данные, код, таблицы, графики, выводы;
  • создание страницы в категории RRecipe на Digida с полным рецептом извлечения и анализа данных.
Видео запись
Среды и средства, которые поддерживают учебный курс R
Книги, на которых основывается учебный курс R for Data Science

Последовательность курса

Источник — http://digida.mgpu.ru/index.php?title=Язык_программирования_R_(syllabus)_2026&oldid=44067