آموزش اولین پروژه خود را در R کامل کنید

Complete Your First Project in R

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره با مشاور علم داده مگان سیلوی، دانش و مهارت خود را با R گسترش دهید. مگان یک پروژه عملی با استفاده از R برای تجزیه و تحلیل داده های فروش و کار بر روی سناریوی واقعی ارائه می دهد که بر انجام تجزیه و تحلیل داده ها برای مشتریان یک شرکت فناوری سازمانی تمرکز دارد. با استفاده از تکنیک‌های تجزیه و تحلیل داده‌ها و یادگیری ماشین، از جمله طبقه‌بندی و خوشه‌بندی، برای تجزیه و تحلیل داده‌هایی که شامل اطلاعات سفارش‌ها، کارکنان فروش، مشتریان، محصولات خریداری‌شده و وضعیت پرداخت مشتری است، تجربه کسب کنید. در این دوره آموزشی به مگان بپیوندید تا دانش و مهارت هایی را کسب کنید تا حرفه داده خود را به سطح بالاتری ببرید.

سرفصل ها و درس ها

معرفی Introduction

  • آنچه شما باید بدانید What you should know

  • RStudio RStudio

  • مقدمه ای بر R Introduction to R

1. بررسی داده های مشتری 1. Exploring Customer Data

  • چگونه مشتریان برتر را پیدا کنیم How to find top customers

  • چگونه مشتریان را بهتر درک کنیم How to better understand customers

  • چالش: تجزیه و تحلیل طول عمر مشتری Challenge: Customer longevity analysis

  • نحوه تجزیه و تحلیل کارکنان فروش How to analyze sales employees

  • معرفی Red30 Tech Introducing Red30 Tech

  • نحوه تعیین بهترین دسته بندی محصول How to determine the best product category

  • نحوه انجام تحلیل توصیفی پایه How to perform basic descriptive analysis

  • راه حل: تجزیه و تحلیل طول عمر مشتری Solution: Customer longevity analysis

  • درک داده های Red30 Tech Understanding Red30 Tech data

2. تجزیه و تحلیل طبقه بندی 2. Classification Analysis

  • درک معیارهای خلاصه Understanding summary metrics

  • نحوه بهبود الگوریتم انتخاب شده How to improve the chosen algorithm

  • راه حل: الگوریتم انتخاب شده را بررسی کنید Solution: Explore the chosen algorithm

  • نحوه اجرای الگوریتم جنگل تصادفی How to run a random forest algorithm

  • نحوه اجرای الگوریتم ماشین بردار پشتیبان How to run a support vector machine algorithm

  • چگونه تصمیم بگیریم که کدام الگوریتم بهترین است How to decide which algorithm is best

  • نحوه آماده سازی داده ها برای طبقه بندی How to prepare data for classification

  • چالش: الگوریتم انتخاب شده را کاوش کنید Challenge: Explore the chosen algorithm

  • درک تجزیه و تحلیل طبقه بندی Understanding classification analysis

  • نحوه اجرای الگوریتم درخت تصمیم How to run a decision tree algorithm

3. تجزیه و تحلیل خوشه ای 3. Cluster Analysis

  • نحوه اجرای الگوریتم خوشه بندی GMM How to run a GMM clustering algorithm

  • چالش: خوشه بندی مشتریان دیر پرداخت Challenge: Clustering late payment customers

  • نحوه اجرای الگوریتم k-means How to run a k-means algorithm

  • نحوه اجرای یک الگوریتم خوشه بندی سلسله مراتبی How to run a hierarchical clustering algorithm

  • نحوه آماده سازی داده ها برای خوشه بندی How to prepare data for clustering

  • درک تحلیل خوشه ای Understanding cluster analysis

  • راه حل: خوشه بندی مشتریان دیر پرداخت Solution: Clustering late payment customers

  • ارزیابی نتایج خوشه ای Evaluating cluster results

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش اولین پروژه خود را در R کامل کنید
جزییات دوره
2h 14m
31
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
1,009
- از 5
ندارد
دارد
دارد
Megan Silvey
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Megan Silvey Megan Silvey

مشاور علم داده

مگان سیلوی یک مشاور علم داده است.

مگان مشتاق کمک به شرکت ها در تصمیم گیری های مبتنی بر داده است. او Silvey Solutions را برای کمک به ایجاد تفاوت در جامعه داده با ارائه بینش‌های عملی و مبتنی بر داده تأسیس کرد. برخی از مشتریان برجسته ای که او با آنها کار کرده است عبارتند از: سازمان ملل متحد، بازنشسته، phData و BankOnIP.

او مدرک کارشناسی ارشد را در تجزیه و تحلیل داده ها از دانشگاه ایالتی کانزاس و لیسانس ریاضیات با رشته روانشناسی را در دانشگاه کانزاس دریافت کرد.