دلیل این است که شما باید این دوره را بگذرانید:
این دوره راهنمای کامل شما برای یادگیری بدون نظارت تحت نظارت با استفاده از R...
یعنی این دوره تمام جنبههای اصلی علم دادههای عملی را پوشش میدهد و اگر این دوره را گذراندهاید، میتوانید دورههای دیگر یا خرید کتابهای مربوط به علم داده مبتنی بر R را کنار بگذارید.
در این عصر کلان داده، شرکتها در سرتاسر جهان از R برای بررسی بهمن اطلاعاتی که در اختیار دارند استفاده میکنند. با مهارت در یادگیری تحت نظارت بدون نظارت در R، می توانید به شرکت خود مزیت رقابتی بدهید و حرفه خود را به سطح بعدی ارتقا دهید.
از یک دانشمند داده خبره با 5 سال تجربه بیاموزید:
اسم من Minerva Singh است و من فارغ التحصیل مقطع کارشناسی ارشد دانشگاه آکسفورد (جغرافیا و محیط زیست) هستم. من اخیراً یک دکترا را در دانشگاه کمبریج به پایان رساندم.
من +5 سال تجربه در تجزیه و تحلیل دادههای واقعی از منابع مختلف با استفاده از تکنیکهای مرتبط با علم داده و تولید انتشارات برای مجلات بینالمللی بررسی شده دارم.
در طول تحقیقاتم متوجه شدم که تقریباً تمام دورهها و کتابهای علوم دادههای R، ماهیت چندبعدی موضوع را توضیح نمیدهند...
این دوره به شما پایهای قوی در جنبههای اصلی یادگیری ماشین- طبقهبندی خوشهبندی میدهد.
بر خلاف سایر مربیان R، من ویژگیهای یادگیری ماشینی R را عمیقاً بررسی میکنم و به شما پایهای بینظیر در علوم داده میدهم!
شما از انجام پاکسازی خواندن دادهها تا یادگیری ماشین تا در نهایت پیادهسازی الگوریتمهای یادگیری ماشینی قدرتمند و ارزیابی عملکرد آنها با استفاده از R خواهید رفت.
این دوره دارای 8 بخش است که هر جنبه ای از یادگیری ماشین R را پوشش می دهد:
• معرفی کامل چارچوب R برای علم داده
• ساختارهای داده و خواندن در R، از جمله دادههای CSV، Excel و HTML
• نحوه پیش پردازش و "پاک کردن" داده ها با حذف NA/بدون داده، تجسم
• یادگیری ماشینی، یادگیری تحت نظارت، یادگیری بدون نظارت در R
• ساخت و انتخاب مدل... خیلی بیشتر!
در پایان دوره، کلیدهای کل R Machine Learning Kingdom را خواهید داشت!
نیازی به دانش قبلی یا آمار/آمار/ماشین نیست:
شما با جذب ارزشمندترین اصول و تکنیک های R Data Science شروع خواهید کرد. من از روشهای ساده و کاربردی برای سادهسازی و پرداختن به سختترین مفاهیم در R استفاده میکنم.
دوره من به شما کمک میکند روشها را با استفاده از دادههای واقعی بهدستآمده از منابع مختلف پیادهسازی کنید. بسیاری از دورهها از دادههای ساختگی استفاده میکنند که دانشآموزان را قادر به پیادهسازی علم داده مبتنی بر R در زندگی واقعی نمیکند.
پس از گذراندن این دوره، به راحتی از بستههای علوم داده مانند caret برای کار با دادههای واقعی در R...
استفاده میکنید.شما حتی مفاهیمی مانند یادگیری بدون نظارت، کاهش ابعاد و یادگیری تحت نظارت را درک خواهید کرد. دوباره، ما با داده های واقعی کار خواهیم کرد و شما به تمام کدها و داده های استفاده شده در دوره دسترسی خواهید داشت.
اکنون به دوره من بپیوندید!
دانشمند تحصیل کرده آکسبریج
سلام. من فارغ التحصیل دکترا از دانشگاه کمبریج هستم که در آنجا در اکولوژی گرمسیری تخصص دارم. من همچنین یک دانشمند داده هستم. به عنوان بخشی از تحقیقاتم، باید تجزیه و تحلیل گسترده دادهها، از جمله تجزیه و تحلیل دادههای مکانی را انجام دهم. یا برای این منظور ترجیح میدهم از ترکیبی از ابزارهای رایگان نرمافزار R، QGIS و Python استفاده کنم. بیشتر کار تجزیه و تحلیل دادههای مکانی خود را با استفاده از R انجام میدهم. و QGIS. اینها جدا از رایگان بودن، ابزارهای بسیار قدرتمندی برای تجسم، پردازش و تجزیه و تحلیل داده ها هستند. من همچنین دارای مدرک کارشناسی ارشد جغرافیا و محیط زیست از دانشگاه آکسفورد هستم. من مهارت های آماری و تجزیه و تحلیل داده های خود را از طریق تعدادی MOOC از جمله The Analytics Edge (دوره آماری مبتنی بر R و یادگیری ماشین ارائه شده توسط EdX)، یادگیری آماری (دوره یادگیری ماشین مبتنی بر R ارائه شده توسط Standford آنلاین) تقویت کرده ام. علاوه بر تجزیه و تحلیل داده های مکانی، در تجزیه و تحلیل آماری، یادگیری ماشین و داده کاوی نیز مهارت دارم. من همچنین از برنامه نویسی عمومی، تجسم داده ها و توسعه وب لذت می برم. من علاوه بر اینکه یک دانشمند و اعداد شکن هستم، یک مسافر مشتاق هستم
نمایش نظرات