Теорія: Мотивація (опис навичок та результатів у підсумку курсу); опис структури курсу та модулів; детальний опис важливості кожного з модулів та що ми вивчимо у підсумку; приклади аналітичних робіт (50 хвилин)
Практика: Ознайомлення з інтерфейсом R та RStudio, перші спроби кодінгу з арифметичними операціями та збереженням простих змінних (30 хвилин)

Теорія: функції з точки зору математика та програміста, параметри функції (30 хв)
Практика: використання простих функцій; вбудована допомога по функціям; зміна параметрів з «за замовчуванням» на інші; написання власних простих функцій (50 хв)

Теорія: Огляд класів та типів даних: вектори, матриці, фактори, дата фрейми (20 хв)
Практика: продовження освоєння R; створення та операції з векторами, факторами та дата фреймами (60 хв)

Теорія: Вступ до модулю; ключові проблеми підготовки даних та методи їх вирішення; ключові проблеми з даними; .csv та .xlsx (50 хв)
Практика: Читання та запис файлів з даними в різних форматах (.csv, .xlsx) (30 хв)

Теорія: статистика для аналітиків даних (40 хв)
Практика: використання статистичних функцій, інтерпретація результату summary() на реальних даних (40 хв)

Теорія: вступ до dplyr; основні концепції; пайп оператор %>% (20 хв)
Практика: класичні функції select(), filter(), arrange(), mutate(), count(), group_by(), summarize() (60 хв)

Теорія: Теоретичні концепції візуалізації даних; опис пакету ggplot2 та його різниця з класичним підходом (40 хв)
Практика: Базові (вбудовані) методи візуалізації, функції plot() та lines(), параметри для різних кольорів, ширини тексту, заголовку графіка.

Теорія: Скаттерплот та барчарт та лінійні графіки: що це та коли їх використовуємо, приклади (30 хв).
Практика: Скаттерплот, барчарт та лінійні графіки в ggplot2 (50 хв)

Теорія: Інтуіція за елементами в ggplot2 (прямокутники, тексти) та як їх змінювати (30 хв)
Практика: майстер-клас по змінам оформлення графіків в ggplot2 (50 хв)

Теорія: Навіщо треба моделювання, приклади використання в реальному житті (20 хв)
Практика: Вступ до лінійної регресії, приклади саме регресії, коефіцієнти, їх значущість та концепція гіпотези (60 хв)

Практика: використання лінійної регресії з пакетом glmnet, інтерпретація результатів summary(), оцінка якості, побудова тренувального та тестувального датасету, вивід результату та побудова графіків (80 хв)

Теорія: Вступ до логістичної регресії, концептуальні відмінності від лінійної, концепція шансів, оцінка якості (точність та інші) (40 хв)
Практика: використання логістичної регресії з пакетом glmnet, інтерпретація результатів summary(), графіки (40 хв)

Теорія: В чому різниця між лінійною регресією та часовими рядами, приклади в різних сферах (50 хв)
Теорія: проблематика часових рядів: сезонність, тренди; як це допомагає аналізувати; концепція згладжування (30 хв)

Теорія: Вступ до концепцій шуму, випадкового блукання, AR та MA процесів (50 хв)
Практика: побудова простого шуму та випадкового блукання (30 хв)

Теорія: ARMA модель для прогнозування, оцінка її якості за допомогою RMSE (30 хв)
Практика: Побудова ARMA моделі та прогнозу, оцінка якості моделі (50 хв)

Теорія: Проєкт на основі аналізу даних та візуалізації, висновки, дискусія про основні проблеми та помилки що можна допускати в подібних проєктах (50 хв)
Практика: розбір програмної складової за проєктом (30 хв)

Теорія: Проєкт на основі лінійної регресії, висновки, дискусія про основні проблеми та помилки що можна допускати в подібних проєктах (50 хв)
Практика: розбір програмної складової за проєктом (30 хв)

Теорія: Проєкт на основі аналізу даних та візуалізації, висновки, дискусія про основні проблеми та помилки що можна допускати в подібних проєктах (50 хв)
Практика: розбір програмної складової за проєктом (30 хв)