آموزش یادگیری ماشین و داده‌کاوی با زبان R - آخرین آپدیت

دانلود Machine Learning e Data Mining in R

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره یادگیری ماشین (Machine Learning) و داده‌کاوی (Data Mining) در R برای هر کسی طراحی شده است که بخواهد دیدگاهی کاربردی و جامع از تکنیک‌های یادگیری ماشین به دست آورد؛ از روش‌های تفسیرپذیر مانند تحلیل رگرسیون، تحلیل مولفه‌های اصلی (PCA) و خوشه‌بندی، تا متدهای منعطف‌تر مانند شبکه‌های عصبی مصنوعی (سطحی و عمیق). همچنین در این دوره، رایج‌ترین چالش‌های تحلیل و مدل‌سازی داده‌ها در دنیای واقعی مانند هم‌خطی (Collinearity)، بیش‌برازش (Overfitting)، منظم‌سازی (Regularization) و انتقال دانش (Knowledge Transfer) بررسی می‌شوند. متدولوژی آموزش این دوره بر پایه «یادگیری در حین انجام» (Learning by Doing) است و مفاهیم از طریق پیاده‌سازی مستمر در محیط R آموزش داده می‌شوند. هر بخش ابتدا به صورت ویدئویی برای درک بهتر ارائه شده و سپس متون خواندنی برای تحلیل انتقادی محتوا در اختیار شما قرار می‌گیرد. در پایان هر واحد، از طریق آزمایشگاه‌های عملی (Open Lab) در محیط RStudio، متدهای آموخته شده را روی مجموعه‌داده‌های واقعی پیاده خواهید کرد. در نهایت، پیشرفت خود را از طریق آزمون‌های چهارگزینه‌ای ارزیابی می‌کنید. فرصت را از دست ندهید: یادگیری ماشین و داده‌کاوی با R اکنون در دسترس شماست!

سرفصل ها و درس ها

مبانی زبان R Elementi di R

  • معرفی دوره Introduzione al corso

  • آشنایی با R و RStudio Introduzione ad R ed RStudio

  • نصب R و RStudio (مک) Installazione R ed RStudio (macOS)

  • نصب R و RStudio (ویندوز) Installazione R ed RStudio (Windows)

  • مقدمات R Onramp R Onramp - Introduzione

  • مرور مفاهیم R Onramp R Onramp - Recap

  • مقدمه‌ای بر دستکاری داده‌ها (Data Wrangling) Data wrangling - Introduzione

  • مرور مفاهیم دستکاری داده‌ها Data wrangling - Recap

  • مقدمه‌ای بر بصری‌سازی داده‌ها (Data Visualization) Data visualization - Introduzione

  • مرور مفاهیم بصری‌سازی داده‌ها Data visualization - Recap

یادگیری ماشین بدون نظارت Apprendimento automatico non supervisionato

  • مقدمه‌ای بر یادگیری ماشین Introduzione all'apprendimento automatico

  • مرور طبقه‌بندی، پیش‌بینی عددی و خوشه‌بندی Classificazione predizione numerica clustering recap

  • مقدمه‌ای بر تحلیل مولفه‌های اصلی (PCA) Analisi delle componenti principali - Introduzione

  • مرور تحلیل مولفه‌های اصلی Analisi delle componenti principali - Recap

  • مقدمه‌ای بر تحلیل خوشه‌بندی (Clustering) Analisi dei gruppi (clustering) - Introduzione

  • مرور تحلیل خوشه‌بندی Analisi dei gruppi (clustering) - Recap

یادگیری ماشین نظارت شده Apprendimento automatico supervisionato

  • مقدمه‌ای بر تحلیل رگرسیون خطی Analisi della regressione lineare - Introduzione

  • توصیف، استنباط و پیش‌بینی Descrizione, inferenza, previsione

  • کمی‌سازی عدم قطعیت Quantificazione dell'incertezza

  • فواصل اطمینان و پیش‌بینی Intervalli di confidenza e previsione

  • مقدمه‌ای بر رگرسیون خطی ساده Regressione lineare semplice - Introduzione

  • تفسیر گرافیکی رگرسیون خطی ساده Regressione lineare semplice - Interpretazione grafica

  • مرور تحلیل رگرسیون خطی Analisi della regressione lineare - Recap

  • مقدمه‌ای بر انتخاب ویژگی و منظم‌سازی Selezione degli attributi e regolarizzazione - Introduzione

  • مرور انتخاب ویژگی و منظم‌سازی Selezione degli attributi e regolarizzazione - Recap

شبکه‌های عصبی و یادگیری عمیق Reti Neurali e Deep Learning

  • از پرسپترون تا یادگیری عمیق Dal Percettrone al Deep Learning

  • مرور مفاهیم پرسپترون و یادگیری عمیق Dal percetrone al deep learning recap

  • انتقال دانش (Knowledge Transfer) Knowledge Transfer

  • مرور مفاهیم انتقال دانش knowledge transfer recap

نمایش نظرات

آموزش یادگیری ماشین و داده‌کاوی با زبان R
جزییات دوره
30h 42m
29
(آخرین آپدیت)
947
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده

Antonio Lepore Antonio Lepore