تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی مبانی علم داده: داده کاوی در R

دوره آموزشی مبانی علم داده: داده کاوی در R

3 ساعت 52 دقیقهمتوسط2021-02-12

مدرسین

Barton Poulson

Barton Poulson

Professor, Designer, Data Analytics Expert

جزئیات دوره

علم داده همچنان با رشد و نمو و رشد روزافزونی مواجه است. داده کاوی منطقه‌ای از دانش داده است که بر یافتن الگوهای عملی در مجموعه داده‌های بزرگ و متنوع متمرکز است: خوشه‌های مشتریان مشابه، روندهایی که در طول زمان تنها پس از جدا کردن اثرات فصلی و تصادفی قابل مشاهده هستند و روش‌های جدید برای پیش بینی نتایج مهم. مربی Barton Poulson تمرکز خود را بر روی داده کاوی در R می‌گذارد، طیف گسترده‌ای از الگوریتم‌ها از جمله روش‌های یادگیری ماشین را ارائه می‌دهد، و اطلاعات مهمی را در مورد قوانین و سیاست‌های موثر بر داده کاوی ارائه می‌دهد. او تصویری کلی از کاهش ابعاد ارائه می‌دهد. وی خوشه‌بندی را معرفی می‌کند، از جمله خوشه‌بندی سلسله مراتبی، سپس وارد تحلیل ارتباط می‌شود. او توضیح می‌دهد استخراج و تجزیه سری‌های زمانی، و سپس با متن کاوی، تجزیه و تحلیل احساسات و نمره گذاری احساسات نتیجه گیری می‌کند.

مهارت ها

StatisticsData AnalysisFoundationsProgramming LanguagesData ScienceBusiness Analysis and StrategyBusiness Software and ToolsSoftware Development

سرفصل ها

0. مقدمه

  • 01 - R برای داده کاوی
  • 02 - چه کسانی باید این دوره را تماشا کنند
  • 03 - فایل های تمرینی

1. مقدماتی

  • 04 - ابزارهای داده کاوی
  • 05 - مدل داده کاوی CRISP-DM
  • 06 - حریم خصوصی، حق چاپ و تعصب
  • 07 - تایید نتایج

2. کاهش ابعاد

  • 08 - بررسی اجمالی کاهش ابعاد
  • 09 - مجموعه داده - ارقام دست نویس
  • 10 - PCA
  • 11 - LDA
  • 12 - t-SNE
  • 13 - چالش - PCA
  • 14 - راه حل - PCA

3. خوشه بندی

  • 15 - نمای کلی خوشه بندی
  • 16 - مجموعه داده - پنگوئن
  • 17 - خوشه بندی سلسله مراتبی
  • 18 - ک - معنی
  • 19 - DBSCAN
  • 20 - چالش - ک - معنی
  • 21 - حلول - ک - معنی

4. طبقه بندی

  • 22 - بررسی اجمالی طبقه بندی
  • 23 - Dataset - Spambase
  • 24 - K-nn
  • 25 - بیز ساده لوح
  • 26 - درختان تصمیم
  • 27 - چالش - K-nn
  • 28 - حل - K-nn

5. تجزیه و تحلیل انجمن

  • 29 - بررسی اجمالی تحلیل انجمن
  • 30 - مجموعه داده - خواربار
  • 31 - آپریوری
  • 32 - اکلات
  • 33 - CBA
  • 34 - چالش - Apriori
  • 35 - حلول - آپریوری

6. استخراج سری زمانی

  • 36 - مروری بر استخراج سری زمانی
  • 37 - Dataset - AirPassengers
  • 38 - تجزیه سری زمانی
  • 39 - آریما
  • 40 - MLP
  • 41 - چالش - تجزیه
  • 42 - محلول - تجزیه

7. متن کاوی

  • 43 - نمای کلی متن کاوی
  • 44 - مجموعه داده - ایلیاد
  • 45 - تحلیل احساسات - طبقه بندی باینری
  • 46 - تحلیل احساسات - امتیازدهی احساسات
  • 47 - تجسم جفت های کلمه
  • 48 - چالش - امتیازدهی احساسات
  • 49 - راه حل - نمره گذاری احساسات

نتیجه

  • 50 - 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