تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی کامل کردن اولین پروژه خود با زبان R

دوره آموزشی کامل کردن اولین پروژه خود با زبان R

2 ساعت 15 دقیقهمتوسط2024-03-07

مدرسین

Megan Silvey

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

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

مسیرهای مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal