دوره آموزشی کامل کردن اولین پروژه خود با زبان R
2 ساعت 15 دقیقهمتوسط2024-03-07
مدرسین

Megan Silvey
جزئیات 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.
اهداف یادگیری
یادگیری خود را در R تقویت کنید
یک پروژه بالقوه را به مجموعه خود اضافه کنید
اهداف یادگیری
یادگیری خود را در R تقویت کنید
یک پروژه بالقوه را به مجموعه خود اضافه کنید
مهارت ها
RStudioRStatisticsProjectData AnalysisProgramming LanguagesData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen SourceSoftware Development
سرفصل ها
0. مقدمه
- 01 - مقدمه ای بر ر
- 02 - آنچه باید بدانید
- 03 - RStudio
1. بررسی دادههای مشتری
- 04 - معرفی Red30 Tech
- 05 - درک دادههای Red30 Tech
- 06 - نحوه انجام تحلیل توصیفی پایه
- 07 - چگونه مشتریان برتر را پیدا کنیم
- 08 - چگونه مشتریان را بهتر درک کنیم
- 09 - نحوه تجزیهوتحلیل کارکنان فروش
- 10- نحوه تعیین بهترین دسته بندی محصول
- 11 - چالش - تجزیهوتحلیل طول عمر مشتری
- 12 - راه حل - تحلیل طول عمر مشتری
2. تجزیهوتحلیل طبقه بندی
- 13 - درک تحلیل طبقه بندی
- 14 - نحوه تهیه دادهها برای طبقه بندی
- 15 - نحوه اجرای الگوریتم درخت تصمیم
- 16 - نحوه اجرای الگوریتم جنگل تصادفی
- 17 - نحوه اجرای الگوریتم ماشین بردار پشتیبان
- 18 - درک معیارهای خلاصه
- 19 - چگونه تصمیم بگیریم که کدام الگوریتم بهترین است
- 20 - نحوه بهبود الگوریتم انتخابی
- 21 - چالش - الگوریتم انتخاب شده را کاوش کنید
- 22 - راه حل - الگوریتم انتخاب شده را بررسی کنید
3. تجزیهوتحلیل خوشه ای
- 23 - درک تحلیل خوشه ای
- 24 - نحوه آماده سازی دادهها برای خوشه بندی
- 25 - نحوه اجرای الگوریتم k-means
- 26 - نحوه اجرای الگوریتم خوشه بندی سلسله مراتبی
- 27 - نحوه اجرای الگوریتم خوشه بندی GMM
- 28 - ارزیابی نتایج خوشه ای
- 29 - چالش - خوشه بندی مشتریان دیر پرداخت
- 30 - راه حل - خوشه بندی مشتریان دیرکرد
نتیجه
- 31 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی تصویرسازی دادهها در R با استفاده از ggplot2
- دوره آموزشی گردآوری داده ها با زبان آر
- دوره آموزشی پاک کردن داده های بد در R
- دوره آموزشی راهنمای کامل زبان برنامه نویسی R: بحث، تجسم، و مدل سازی داده ها
- دوره آموزشی R برای علم داده: درس های Lunchbreak
- دوره آموزشی آمادگی گواهینامه متخصص تجزیه و تحلیل خبره (CAP)
- دوره آموزشی یادگیری ماشین با کاهش داده در Excel، R و Power BI
- دوره آموزشی تمرین های کدنویسی: علم داده های R