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
مقدمه
- مقدمه ای بر ر
- آنچه باید بدانید
- RStudio
بررسی دادههای مشتری
- معرفی Red30 Tech
- درک دادههای Red30 Tech
- نحوه انجام تحلیل توصیفی پایه
- چگونه مشتریان برتر را پیدا کنیم
- چگونه مشتریان را بهتر درک کنیم
- نحوه تجزیهوتحلیل کارکنان فروش
- نحوه تعیین بهترین دسته بندی محصول
- چالش - تجزیهوتحلیل طول عمر مشتری
- راه حل - تحلیل طول عمر مشتری
تجزیهوتحلیل طبقه بندی
- درک تحلیل طبقه بندی
- نحوه تهیه دادهها برای طبقه بندی
- نحوه اجرای الگوریتم درخت تصمیم
- نحوه اجرای الگوریتم جنگل تصادفی
- نحوه اجرای الگوریتم ماشین بردار پشتیبان
- درک معیارهای خلاصه
- چگونه تصمیم بگیریم که کدام الگوریتم بهترین است
- نحوه بهبود الگوریتم انتخابی
- چالش - الگوریتم انتخاب شده را کاوش کنید
- راه حل - الگوریتم انتخاب شده را بررسی کنید
تجزیهوتحلیل خوشه ای
- درک تحلیل خوشه ای
- نحوه آماده سازی دادهها برای خوشه بندی
- نحوه اجرای الگوریتم k-means
- نحوه اجرای الگوریتم خوشه بندی سلسله مراتبی
- نحوه اجرای الگوریتم خوشه بندی GMM
- ارزیابی نتایج خوشه ای
- چالش - خوشه بندی مشتریان دیر پرداخت
- راه حل - خوشه بندی مشتریان دیرکرد
نتیجه
- مراحل بعدی