آموزش مبانی علوم داده: داده کاوی در R

Data Science Foundations: Data Mining in R

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: علم داده همچنان در پیچیدگی و تقاضا با نرخ نمایی رشد می کند. داده کاوی منطقه ای از دانش داده است که بر یافتن الگوهای عملی در مجموعه داده های بزرگ و متنوع متمرکز است: خوشه های مشتریان مشابه ، روندهایی که در طول زمان تنها پس از جدا کردن اثرات فصلی و تصادفی قابل مشاهده هستند و روش های جدید برای پیش بینی نتایج مهم. مربی بارتون پولسون تمرکز خود را بر روی داده کاوی در R می گذارد ، طیف گسترده ای از الگوریتم ها از جمله روش های یادگیری ماشین را ارائه می دهد و اطلاعات مهمی در مورد قوانین و سیاست های موثر بر داده کاوی ارائه می دهد. بارتون به بررسی اجمالی کاهش ابعاد می پردازد. وی خوشه بندی را معرفی می کند ، از جمله خوشه بندی سلسله مراتبی ، سپس وارد تحلیل ارتباط می شود. او توضیح می دهد استخراج و تجزیه سری های زمانی ، و سپس با متن کاوی ، تجزیه و تحلیل احساسات و نمره گذاری احساسات نتیجه گیری می کند.

سرفصل ها و درس ها

معرفی Introduction

  • R برای داده کاوی R for data mining

  • چه کسی باید این دوره را تماشا کند Who should watch this course

  • پرونده های ورزشی Exercise files

1. مقدمات 1. Preliminaries

  • ابزارهای داده کاوی Tools for data mining

  • مدل داده کاوی CRISP-DM The CRISP-DM data mining model

  • حریم خصوصی ، حق چاپ و تعصب Privacy, copyright, and bias

  • اعتبار سنجی نتایج Validating results

2. کاهش ابعاد 2. Dimensionality Reduction

  • بررسی اجمالی کاهش ابعاد Dimensionality reduction overview

  • مجموعه داده: ارقام دست نویس Dataset: Handwritten digits

  • PCA PCA

  • LDA LDA

  • t-SNE t-SNE

  • چالش: PCA Challenge: PCA

  • راه حل: PCA Solution: PCA

3. خوشه بندی 3. Clustering

  • مرور کلی خوشه بندی Clustering overview

  • Dataset: پنگوئن ها Dataset: Penguins

  • خوشه بندی سلسله مراتبی Hierarchical clustering

  • معنی K K-means

  • DBSCAN DBSCAN

  • چالش: معنی K Challenge: K-means

  • راه حل: معنی K Solution: K-means

4. طبقه بندی 4. Classification

  • مروری بر طبقه بندی Classification overview

  • مجموعه داده: Spambase Dataset: Spambase

  • K-nn K-nn

  • ساده لوح بیز Naive Bayes

  • درختان تصمیم Decision trees

  • چالش: K-nn Challenge: K-nn

  • راه حل: K-nn Solution: K-nn

5. تجزیه و تحلیل انجمن 5. Association Analysis

  • مروری بر تجزیه و تحلیل انجمن Association analysis overview

  • Dataset: مواد غذایی Dataset: Groceries

  • پیشین Apriori

  • Eclat Eclat

  • CBA CBA

  • چالش: Apriori Challenge: Apriori

  • راه حل: آپریوری Solution: Apriori

6. استخراج از سری زمانی 6. Time-Series Mining

  • بررسی اجمالی معادن سری زمانی Time-series mining overview

  • Dataset: AirPassenger Dataset: AirPassengers

  • تجزیه سری زمانی Time-series decomposition

  • آریما ARIMA

  • MLP MLP

  • چالش: تجزیه Challenge: Decomposition

  • راه حل: تجزیه Solution: Decomposition

7. متن کاوی 7. Text Mining

  • مروری بر متن کاوی Text mining overview

  • Dataset: ایلیاد Dataset: The Iliad

  • تحلیل احساس: طبقه بندی باینری Sentiment analysis: Binary classification

  • تحلیل احساسات: امتیازدهی احساسات Sentiment analysis: Sentiment scoring

  • تجسم جفت های کلمه Visualizing Word pairs

  • چالش: به ثمر رساندن احساسات Challenge: Sentiment scoring

  • راه حل: به ثمر رساندن احساسات Solution: Sentiment scoring

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

آموزش مبانی علوم داده: داده کاوی در R
جزییات دوره
3h 51m
50
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
242
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Barton Poulson Barton Poulson

پروفسور، طراح، کارشناس تجزیه و تحلیل داده

بارتون پولسون یک پروفسور، طراح و متخصص تجزیه و تحلیل داده ها است.

بارتون در بسیاری از کارهای خود پلی از تحلیل و زیبایی شناسی کرده است. زندگی، با سابقه طراحی صنعتی، دکتری. در روانشناسی اجتماعی و شخصیت، و عشق عمیق به تجزیه و تحلیل داده ها و تجسم داده ها و همچنین هنرهای تجسمی و نمایشی. بارت دانشیار روانشناسی در دانشگاه یوتا ولی است و در دانشگاه بریگام یانگ، دانشگاه یوتا و دانشگاه سیتی نیویورک تحصیل کرده است. او در نقش خود به عنوان معلم تحقیق و تحلیل، صدها مطالعه را با دانشجویان خود در مورد موضوعاتی از هویت اجتماعی و آرزوها تا ترجیحات ضمنی برای شعر و معماری انجام داده است. بارت و همسرش، ژاک لین بل، یک طراح رقص مدرن، با سه فرزند خود در شهر زیبای سالت لیک زندگی می کنند.