محصول داده، خروجی تولید از یک تحلیل آماری است. محصولات داده وظایف تجزیه و تحلیل پیچیده را خودکار می کنند یا از فناوری برای گسترش کاربرد یک مدل، الگوریتم یا استنتاج مبتنی بر داده استفاده می کنند. این دوره اصول اولیه ایجاد محصولات داده با استفاده از بسته های Shiny، R و گرافیک های تعاملی را پوشش می دهد. این دوره بر روی مبانی آماری ایجاد یک محصول داده متمرکز خواهد شد که می تواند برای گفتن داستانی در مورد داده ها برای مخاطبان انبوه مورد استفاده قرار گیرد.

در این دوره، شما یاد خواهید گرفت که داده ها را از نظر ثبات فرآیند و کنترل آماری تجزیه و تحلیل کنید و اینکه چرا داشتن یک فرآیند پایدار قبل از انجام آزمون فرضیه های آماری ضروری است. شما نمودارهای کنترل فرآیند آماری را برای داده های پیوسته و گسسته با استفاده از نرم افزار R ایجاد خواهید کرد. شما مجموعه داده ها را برای کنترل آماری با استفاده از قوانین کنترل بر اساس احتمال تجزیه و تحلیل خواهید کرد. علاوه بر این، یاد خواهید گرفت که چگونه یک فرآیند را با توجه به توانایی آن در برآوردن مشخصات داخلی یا خارجی ارزیابی کنید و در مورد بهبود فرآیند تصمیم گیری کنید. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده (MS-DS) که در پلت فرم Coursera ارائه می شود، گذراند. MS-DS یک مدرک بین رشته‌ای است که اعضای هیئت علمی بخش‌های ریاضیات کاربردی، علوم کامپیوتر، علوم اطلاعات و سایرین در CU Boulder را گرد هم می‌آورد. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، MS-DS برای افرادی با طیف وسیعی از تحصیلات کارشناسی و/یا تجربه حرفه‌ای در علوم کامپیوتر، علوم اطلاعات، ریاضیات و آمار ایده‌آل است. درباره برنامه MS-DS در https://www.coursera.org/degrees/master-of-science-data-science-boulder اطلاعات بیشتری کسب کنید.

در این دوره آموزشی با ابزارها و ایده های اصلی در جعبه ابزار دانشمند داده آشنا می شوید. این دوره یک نمای کلی از داده ها، سؤالات و ابزارهایی را ارائه می دهد که تحلیلگران داده و دانشمندان داده با آنها کار می کنند. این دوره دو جزء دارد. اولین مقدمه ای مفهومی برای ایده های پشت تبدیل داده ها به دانش عملی است. دومین مقدمه ای عملی برای ابزارهایی است که در برنامه استفاده می شود مانند کنترل نسخه، علامت گذاری، git، GitHub، R و RStudio.

این دوره دانش و مهارت‌های تخصصی را که توسط متخصصان علوم کلان داده‌های سلامت و بیوانفورماتیک تسلط یافته‌اند را برای شما استخراج می‌کند. حقایق هیجان انگیزی در مورد زیست شناسی و شیمی بدن انسان، ژنتیک و پزشکی خواهید آموخت که با علم داده های بزرگ و مهارت هایی برای مهار بهمن داده هایی که آشکارا در دسترس شماست و ما تازه شروع به درک آن ها کرده ایم، در هم آمیخته می شوند. . ما مراحل مختلف مورد نیاز برای تسلط بر تجزیه و تحلیل کلان داده بر روی مجموعه داده های واقعی، از جمله داده های توالی نسل بعدی، را در زمینه بهداشت و درمان، از آماده سازی داده ها برای تجزیه و تحلیل تا تکمیل تجزیه و تحلیل، تفسیر نتایج، تجسم آنها، و به اشتراک گذاری بررسی خواهیم کرد. نتایج. نیازی به گفتن نیست، هنگامی که بر این مهارت‌های پرتقاضا مسلط شوید، موقعیت خوبی برای درخواست یا انتقال به موقعیت‌هایی در تجزیه و تحلیل داده‌های زیست پزشکی و بیوانفورماتیک خواهید داشت. مهم نیست که سطح مهارت شما در زمینه های زیست پزشکی یا فنی در چه سطحی باشد، مهارت های بسیار ارزشمند جدید یا تیزتری را به دست خواهید آورد که شما را به عنوان یک حرفه ای متمایز می کند و می خواهید حتی عمیق تر در Big Data های زیست پزشکی غواصی کنید. امیدوارم این دوره علاقه شما را به امکانات گسترده ارائه شده توسط Big Data در دسترس عموم برای درک بهتر، پیشگیری و درمان بیماری ها جلب کند.

قبل از اینکه بتوانید با داده ها کار کنید، باید مقداری از آن را دریافت کنید. این دوره روش های اساسی برای به دست آوردن داده ها را پوشش می دهد. این دوره شامل به دست آوردن داده ها از وب، از API ها، از پایگاه های داده و از همکاران در قالب های مختلف خواهد بود. همچنین اصول تمیز کردن داده ها و نحوه "مرتب کردن" داده ها را پوشش می دهد. داده های مرتب به طور چشمگیری سرعت تجزیه و تحلیل داده های پایین دستی را سرعت می بخشد. این دوره همچنین اجزای یک مجموعه داده کامل شامل داده های خام، دستورالعمل های پردازش، کتاب کدها و داده های پردازش شده را پوشش می دهد. این دوره اصول مورد نیاز برای جمع آوری، تمیز کردن و به اشتراک گذاری داده ها را پوشش می دهد.

به رگرسیون خطی در R برای سلامت عمومی خوش آمدید! بهداشت عمومی را «هنر و علم پیشگیری از بیماری، افزایش عمر و ارتقای سلامت از طریق تلاش سازمان یافته جامعه» تعریف کرده اند. دانستن اینکه چه چیزی باعث بیماری می شود و چه چیزی آن را بدتر می کند، به وضوح بخش های حیاتی این امر است. این امر مستلزم توسعه مدل‌های آماری است که توضیح می‌دهد چگونه عوامل بیمار و محیطی بر شانس بیمار شدن ما تأثیر می‌گذارند. این دوره به شما نشان می‌دهد که چگونه از ابتدا چنین مدل‌هایی ایجاد کنید، ابتدا شما را با مفهوم همبستگی و رگرسیون خطی آشنا می‌کند، قبل از وارد کردن و بررسی داده‌هایتان، و سپس به شما نشان می‌دهد که چگونه مدل‌ها را برازش کنید. با استفاده از مثال بیماری تنفسی، این مدل ها چگونگی تأثیر بیمار و سایر عوامل بر نتایج مانند عملکرد ریه را شرح می دهند. رگرسیون خطی یکی از خانواده مدل‌های رگرسیون است و دروس دیگر این مجموعه دو عضو دیگر را پوشش می‌دهد. مدل‌های رگرسیون وجوه مشترک زیادی با یکدیگر دارند، اگرچه جزئیات ریاضی متفاوت است. این دوره به شما نشان می دهد که چگونه داده ها را آماده کنید، ارزیابی کنید که مدل چقدر با داده ها مطابقت دارد، و مفروضات اساسی آن - وظایف حیاتی با هر نوع رگرسیون را آزمایش کنید. شما از بسته نرم افزاری رایگان و همه کاره R استفاده خواهید کرد که توسط آماردانان و دانشمندان داده در دانشگاه، دولت ها و صنعت در سراسر جهان استفاده می شود.

این دوره به معرفی مدل های رگرسیون خطی ساده و چندگانه می پردازد. این مدل‌ها به شما امکان می‌دهند تا رابطه بین متغیرها در یک مجموعه داده و یک متغیر پاسخ پیوسته را ارزیابی کنید. آیا بین جذابیت فیزیکی استاد و نمرات ارزشیابی دانشجو رابطه وجود دارد؟ آیا می توانیم نمره آزمون کودک را بر اساس ویژگی های خاصی از مادرش پیش بینی کنیم؟ در این دوره، با استفاده از نرم افزار آماری رایگان R و RStudio، تئوری اساسی پشت رگرسیون خطی را می آموزید و از طریق مثال های داده، برازش، بررسی و استفاده از مدل های رگرسیون برای بررسی روابط بین متغیرهای متعدد را یاد می گیرید.

مقدمه ای بر یادگیری آماری مفاهیمی را در مدل سازی آماری بررسی می کند، مانند زمان استفاده از مدل های خاص، نحوه تنظیم آن مدل ها، و اینکه آیا گزینه های دیگر معاوضه های خاصی را ارائه می دهند. ما رگرسیون، طبقه‌بندی، درختان، نمونه‌برداری مجدد، تکنیک‌های بدون نظارت و موارد دیگر را پوشش خواهیم داد! این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده (MS-DS) که در پلت فرم Coursera ارائه می شود، گذراند. MS-DS یک مدرک بین رشته‌ای است که اعضای هیئت علمی بخش‌های ریاضیات کاربردی، علوم کامپیوتر، علوم اطلاعات و سایرین در CU Boulder را گرد هم می‌آورد. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، MS-DS برای افرادی با طیف وسیعی از تحصیلات کارشناسی و/یا تجربه حرفه‌ای در علوم کامپیوتر، علوم اطلاعات، ریاضیات و آمار ایده‌آل است. درباره برنامه MS-DS در https://www.coursera.org/degrees/master-of-science-data-science-boulder اطلاعات بیشتری کسب کنید.

یاد بگیرید که از ابزارهای پروژه Bioconductor برای انجام تجزیه و تحلیل داده های ژنومی استفاده کنید. این پنجمین دوره در تخصص ژنومیک داده های بزرگ از دانشگاه جان هاپکینز است.

انقلاب علم داده مجموعه‌ای از داده‌های جدید را از طیف گسترده‌ای از منابع جدید تولید کرده است. این مجموعه داده های جدید برای پاسخ به سؤالات جدید به گونه ای استفاده می شود که قبلا تصور نشده بود. تجسم یکی از قوی‌ترین روش‌های نتیجه‌گیری از داده‌ها است، اما هجوم انواع داده‌های جدید مستلزم توسعه تکنیک‌های تجسم جدید و بلوک‌های ساختمانی است. این دوره به شما مهارت هایی را برای ایجاد آن بلوک های ساختمانی تجسم جدید ارائه می دهد. ما بر چارچوب ggplot2 تمرکز می کنیم و نحوه استفاده و گسترش سیستم را برای مطابقت با نیازهای خاص سازمان یا تیم شما شرح می دهیم. پس از اتمام این دوره، فراگیران قادر خواهند بود ابزارهای مورد نیاز برای تجسم طیف گسترده ای از انواع داده ها را بسازند و اصول مورد نیاز برای پرداختن به انواع داده های جدید را در حین ظهور خواهند داشت.

ممکن است هرگز مطمئن نباشید که تجربه کاربری موثری دارید تا زمانی که آن را با کاربران آزمایش نکنید. در این دوره آموزشی، نحوه طراحی آزمایش‌های کاربر محور، نحوه اجرای چنین آزمایش‌هایی و نحوه تجزیه و تحلیل داده‌های این آزمایش‌ها به منظور ارزیابی و اعتبارسنجی تجربیات کاربر را خواهید آموخت. شما از طریق نمونه‌های واقعی آزمایش‌ها در زمینه‌های UX، IxD و HCI کار خواهید کرد و مسائل مربوط به طراحی و تجزیه و تحلیل آزمایش را درک خواهید کرد. شما چندین مجموعه داده را با استفاده از دستور العمل هایی که در زبان برنامه نویسی آماری R به شما داده شده است، تجزیه و تحلیل خواهید کرد - هیچ تجربه برنامه نویسی قبلی فرض یا لازم نیست، اما از شما خواسته می شود قطعه کدهای ارائه شده به شما را بخوانید، درک کنید و اصلاح کنید. در پایان دوره، شما قادر خواهید بود آزمایش‌های خود را که وزن آماری به طرح‌های شما می‌دهد، با دانش طراحی، اجرا و تجزیه و تحلیل کنید.

در این دوره آموزشی، مهارت‌ها و تکنیک‌های مختلف علوم داده را که به عنوان بخشی از دوره‌های قبلی در IBM Data Science با تخصص R یا IBM Data Analytics با Excel و R Professional Certificate آموخته‌اید، به کار می‌گیرید. برای این پروژه، شما نقش یک دانشمند داده را به عهده خواهید گرفت که اخیراً به یک سازمان پیوسته است و با چالشی مواجه می شوید که نیاز به جمع آوری داده ها، تجزیه و تحلیل، آزمایش فرضیه های اساسی، تجسم و مدل سازی دارد تا بر روی مجموعه داده های دنیای واقعی انجام شود. داده‌ها را از منابع متعدد جمع‌آوری و درک می‌کنید، بحث و گفتگو و آماده‌سازی داده‌ها را با Tidyverse انجام می‌دهید، تجزیه و تحلیل داده‌های اکتشافی را با SQL، Tidyverse و ggplot2 انجام می‌دهید، داده‌ها را با رگرسیون خطی مدل‌سازی می‌کنید، نمودارها و نمودارهایی را برای تجسم داده‌ها ایجاد می‌کنید و داشبورد تعاملی ایجاد می‌کنید. پروژه با ارائه گزارش تجزیه و تحلیل داده های شما، با یک خلاصه اجرایی برای ذینفعان مختلف در سازمان به اوج خود می رسد.

هدف این دوره نشان دادن چگونگی استفاده از اصول و روش های علم داده در گزارش گیری بالینی است. در پایان دوره، فراگیران متوجه خواهند شد که چه الزاماتی در گزارش کارآزمایی های بالینی وجود دارد و چگونه بر نحوه استفاده از علم داده تأثیر می گذارد. یادگیرنده می بیند که چگونه می تواند کارآمد و موثر کار کند و در عین حال اطمینان حاصل کند که استانداردهای مورد نیاز را برآورده می کند.

توسعه مهارت های تجزیه و تحلیل داده ها که از تصمیم گیرندگان بخش عمومی با انجام تجزیه و تحلیل خط مشی در تمام مراحل فرآیند سیاست گذاری حمایت می کند. شما یاد خواهید گرفت که چگونه تکنیک های تجزیه و تحلیل داده ها را در اصول اصلی بخش عمومی کارایی، اثربخشی و برابری اعمال کنید. از طریق مطالعات موردی معتبر و مجموعه‌های داده، مهارت‌های تحلیلی را که معمولاً برای تجزیه و تحلیل و ارزیابی خط‌مشی‌ها و برنامه‌ها استفاده می‌شود، از جمله تجزیه و تحلیل گزینه‌های خط‌مشی، مدل‌سازی ریزشبیه‌سازی، و طرح‌های تحقیقاتی برای ارزیابی برنامه و خط‌مشی توسعه خواهید داد. همچنین مهارت‌های فنی متوسطی مانند آزمون‌های مجذور کای و جداول احتمالی، مقایسه نمونه‌ها از طریق آزمون‌های t و ANOVA، اعمال تفاوت معنی‌دار صادقانه توکی برای تصحیح چندین آزمون، درک مقادیر p و تجسم شبیه‌سازی توابع آماری را خواهید آموخت. کمک به پاسخ به سوالاتی که سیاستگذاران می پرسند، مانند "چه باید بکنیم؟" و "آیا کار کرد؟" علاوه بر این، آزمایش های آماری را تمرین کرده و تصاویر ggplot را برای دو مجموعه داده واقعی با استفاده از زبان برنامه نویسی R ایجاد خواهید کرد. تمام دوره های آموزشی در RStudio در Coursera بدون نیاز به نصب نرم افزار اضافی تکمیل می شود. این سومین دوره از چهار دوره در تجزیه و تحلیل داده ها در بخش عمومی با تخصص R است. این مجموعه برای حرفه ای های فعلی یا اولیه که در بخش دولتی به دنبال کسب مهارت در تجزیه و تحلیل موثر داده های عمومی هستند ایده آل است. همچنین برای متخصصان فعلی تجزیه و تحلیل داده ها یا دانشجویانی که به دنبال ورود به بخش دولتی هستند ایده آل است.

این دوره برای چه کسانی است؟ این دوره برای دانشجویان، تحلیلگران کسب و کار و دانشمندان داده طراحی شده است که می خواهند دانش و تکنیک های آماری را در زمینه های تجاری به کار ببرند. به عنوان مثال، ممکن است برای آماردانان با تجربه، تحلیلگران، مهندسانی که می خواهند بیشتر به سمت یک نقش تجاری حرکت کنند، مناسب باشد. اگر پیشینه ای در زمینه آمار دارید، می توانید از R یا زبان برنامه نویسی دیگری استفاده کنید و با پایگاه های داده و تکنیک های تجزیه و تحلیل داده ها مانند رگرسیون، طبقه بندی و خوشه بندی آشنا هستید، این دوره را هیجان انگیز و ارزشمند خواهید یافت. با این حال، شامل تعدادی رسیتال و آموزش R Studio است که شایستگی های شما را تثبیت می کند، به شما امکان می دهد آزادانه تر با داده ها بازی کنید و ویژگی های جدید و توابع آماری را در R کشف کنید. با این دوره، شما یک مرور کلی در مورد موضوعات استراتژیک تجزیه و تحلیل کسب و کار خواهید داشت. ما در مورد طیف گسترده ای از کاربردهای Business Analytics صحبت خواهیم کرد. از بازاریابی گرفته تا زنجیره تامین یا امتیازدهی اعتبار و تجزیه و تحلیل منابع انسانی و غیره. ما بسیاری از تکنیک‌های تجزیه و تحلیل داده‌های مختلف را پوشش می‌دهیم و هر بار توضیح می‌دهیم که چگونه می‌توان با کسب و کار خود مرتبط بود. ما توجه ویژه ای به نحوه ایجاد بینش متقاعد کننده، عملی و کارآمد خواهیم داشت. ما همچنین ابزارهای تجزیه و تحلیل داده های مختلفی را به شما ارائه خواهیم داد تا در انواع مختلف مسائل اعمال شوند. با انجام این کار، ما به شما کمک می کنیم چهار مجموعه از مهارت های مورد نیاز برای افزایش ارزش داده ها را توسعه دهید: تجزیه و تحلیل، فناوری اطلاعات، تجارت و ارتباطات. در پایان این MOOC، شما باید بتوانید با استفاده از Analytics با (1) واجد شرایط بودن موضوع مورد نظر از نظر کمی، (2) انجام تجزیه و تحلیل داده های مربوطه، و (3) ارائه نتیجه گیری و توصیه های خود در روشی تجاری محور، عملی و کارآمد. پیش نیازها: 1/ توانایی استفاده از R یا برنامه نویسی 2/ آشنایی با مبانی پایگاه های داده، تجزیه و تحلیل داده ها (رگرسیون، طبقه بندی، خوشه بندی) ما به Pauline Glikman، Albane Gaubert، Elias Abou Khalil-Lanvin (دانشجویان در ESSEC BUSINESS School) به دلیل مشارکت آنها در طراحی این دوره اعتبار می دهیم.

این دوره مقدمه ای دقیق بر زبان برنامه نویسی R با تمرکز ویژه بر استفاده از R برای توسعه نرم افزار در محیط علم داده ارائه می دهد. چه بخشی از یک تیم علم داده باشید و چه به صورت انفرادی در جامعه ای از توسعه دهندگان کار می کنید، این دوره به شما دانش R را می دهد که برای مشارکت مفید در آن تنظیمات لازم است. این دوره به عنوان اولین دوره در تخصص، پایه اساسی R مورد نیاز برای دوره های زیر را فراهم می کند. ما مفاهیم اصلی R و مبانی زبان، مفاهیم کلیدی مانند داده‌های مرتب و ابزارهای "tidyverse" مرتبط، پردازش و دستکاری مجموعه داده‌های پیچیده و بزرگ، مدیریت داده‌های متنی، و وظایف پایه علم داده را پوشش می‌دهیم. پس از اتمام این دوره، زبان آموزان به کنسول R تسلط خواهند داشت و می توانند مجموعه داده های مرتبی را از طیف گسترده ای از منابع داده ممکن ایجاد کنند.

به مدل های خطی پیشرفته برای علم داده کلاس 1: حداقل مربعات خوش آمدید. این کلاس مقدمه ای بر حداقل مربعات از منظر جبری خطی و ریاضی است. قبل از شروع کلاس مطمئن شوید که موارد زیر را دارید: - درک اولیه از جبر خطی و حساب دیفرانسیل و انتگرال چند متغیره. - درک اولیه از آمار و مدل های رگرسیون. - حداقل آشنایی کمی با ریاضیات مبتنی بر اثبات. - آشنایی اولیه با زبان برنامه نویسی R پس از گذراندن این دوره، دانش‌آموزان پایه محکمی در درمان جبری خطی مدل‌سازی رگرسیون خواهند داشت. این به میزان زیادی درک عمومی دانشمندان داده کاربردی از مدل‌های رگرسیون را افزایش می‌دهد.

این دوره به شما می آموزد که چگونه بازده یک سبد اوراق بهادار را محاسبه کنید و همچنین ریسک بازار آن پرتفوی را کمی کنید، مهارتی مهم برای تحلیلگران بازار مالی در بانک ها، صندوق های تامینی، شرکت های بیمه و سایر خدمات مالی و شرکت های سرمایه گذاری. با استفاده از زبان برنامه نویسی R با Microsoft Open R و RStudio، از دو ابزار اصلی برای محاسبه ریسک بازار پرتفوی سهام استفاده خواهید کرد: ارزش در معرض خطر (VaR) و کسری مورد انتظار (ES). برای تکمیل تکالیف این دوره به درک سطح مبتدی از برنامه نویسی R نیاز دارید.

Neurohacking نحوه استفاده از زبان برنامه نویسی R (https://cran.r-project.org/) و بسته مرتبط با آن را برای انجام دستکاری، پردازش و تجزیه و تحلیل داده های تصویربرداری عصبی توضیح می دهد. ما بر روی تصویربرداری تشدید مغناطیسی ساختاری (MRI) در دسترس عموم تمرکز می‌کنیم. ما مفاهیمی مانند تصحیح ناهمگنی، ثبت تصویر و تجسم تصویر را مورد بحث قرار می دهیم. در پایان این دوره، شما قادر خواهید بود: خواندن/نوشتن تصاویر مغز در قالب NIfTI (ابتکار فناوری اطلاعات انفورماتیک عصبی) این تصاویر را تجسم و کشف کنید تصحیح ناهمگنی، استخراج مغز و ثبت تصویر (در یک موضوع و یک الگو) را انجام دهید.

به مقدمه ای بر آمار و تجزیه و تحلیل داده ها در بهداشت عمومی خوش آمدید! این دوره به شما بلوک‌های اصلی تجزیه و تحلیل آماری - انواع متغیرها، توزیع‌های رایج، آزمایش فرضیه‌ها را آموزش می‌دهد، اما بیش از آن، شما را قادر می‌سازد مجموعه داده‌ای را که قبلاً هرگز ندیده‌اید، بگیرید، ویژگی‌های کلیدی آن را شرح دهید. نقاط قوت و ویژگی های آن را بشناسید، تحلیل های اساسی اساسی انجام دهید و سپس فرضیه ها را بر اساس میانگین ها و نسبت ها تدوین و آزمایش کنید. سپس پایه محکمی برای رفتن به تحلیل پیچیده تر و گذراندن دوره های دیگر در این مجموعه خواهید داشت. نرم افزار محبوب، منعطف و کاملا رایگان R را که توسط متخصصان آمار و یادگیری ماشین در همه جا استفاده می شود، یاد خواهید گرفت. این کار عملی است، بنابراین ابتدا با نحوه بیان یک فرضیه قابل آزمایش از طریق نمونه هایی از تحقیقات پزشکی که توسط رسانه ها گزارش شده است، آشنا خواهید شد. سپس با مجموعه داده‌های مربوط به عادات غذایی میوه و سبزیجات کار می‌کنید: داده‌هایی که به‌طور واقع بینانه نامرتب هستند، زیرا مجموعه داده‌های بهداشت عمومی در واقعیت چنین هستند. در طول مسیر، مینی آزمون هایی با بازخورد برای بررسی درک شما وجود خواهد داشت. این دوره توانایی شما را برای تفکر انتقادی و عدم پذیرش چیزها بدیهی تر می کند: در این عصر الگوریتم های کنترل نشده و اخبار جعلی، این مهارت ها بیش از همیشه مهم هستند. پیش نیازها برخی از فرمول ها برای کمک به درک ارائه شده است، اما این از آن دوره هایی نیست که برای دنبال کردن آن نیاز به مدرک ریاضی دارید. شما فقط به اعداد اولیه (مثلاً از حساب دیفرانسیل و انتگرال استفاده نمی کنیم) و آشنایی با روش های نموداری و جدولی برای ارائه نتایج نیاز دارید. هیچ دانشی از R یا برنامه نویسی فرض نمی شود.