تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی یادگیری جامع زبان R:بخش دوم داده‌های مدل سازی

دوره آموزشی یادگیری جامع زبان R:بخش دوم داده‌های مدل سازی

4 ساعتمتوسط2020-05-12

مدرسین

Barton Poulson

Barton Poulson

Professor, Designer, Data Analytics Expert

جزئیات دوره

تلاش برای یافتن معنا و جهت در داده های بزرگ دشوار است. R می تواند به شما کمک کند راه خود را پیدا کنید. R یک زبان برنامه نویسی آماری برای تحلیل و تجسم روابط بین مقدار زیادی داده است. این یکی از مهمترین ابزارهای موجود برای تجزیه و تحلیل داده ها ، یادگیری ماشین و دانش داده است. این مجموعه آموزشی با دستورالعمل های دقیق برای کار با R و RStudio و مثالهای عملی ، از گرافیک اکتشافی گرفته تا شبکه های عصبی ، آشنایی کاملی با R دارد. در بخش دو ، مدل سازی داده ها ، مربی بارتون پولسون نحوه محاسبه آمار ، تجزیه و تحلیل داده ها ، پیش بینی نتایج و گروه بندی و طبقه بندی موارد را نشان می دهد. اینها تکنیکهای اساسی است که شما برای ایجاد بینش معنادار برای سازمان خود نیاز دارید.

موضوعات شامل:
فرکانس ها و همبستگی های محاسباتی
محاسبه آمار توصیفی
انجام تجزیه و تحلیل مورد
مقایسه نسبت
مقایسه وسایل جفت شده
مقایسه چند معنی
پیش بینی نتایج با رگرسیون خطی و لجستیکی
گروه بندی موارد با خوشه بندی k-means
طبقه بندی موارد با نزدیکترین همسایگان
ایجاد مدلهای گروه

مهارت ها

RStudioData ModelingRStatisticsEssential TrainingProgramming LanguagesData ScienceOpen SourceSoftware Development

سرفصل ها

0. مقدمه

  • 01- داده های مدل با R
  • 02- استفاده از فایل های تمرینی

1. R برای علم داده

  • 03-علوم داده با R - مطالعه موردی

2. کاوش داده ها

  • 04-محاسبه فرکانس ها
  • 05-محاسبات آمار توصیفی
  • 06-محاسبات همبستگی
  • 07-ایجاد جداول احتمالی
  • 08-انجام تحلیل مؤلفه های اصلی
  • 09-انجام تجزیه و تحلیل آیتم
  • 10-انجام تحلیل عاملی تاییدی

3. تجزیه و تحلیل داده ها

  • 11-مقایسه نسبت ها
  • 12-مقایسه یک میانگین با یک جامعه - آزمون t تک نمونه ای
  • 13-مقایسه میانگین های زوجی - آزمون تی نمونه های زوجی
  • 14-مقایسه دو میانگین - آزمون t نمونه های مستقل
  • 15-مقایسه میانگین های چندگانه - تحلیل واریانس تک عاملی
  • 16-مقایسه میانگین‌ها با پیش‌بینی‌کننده‌های طبقه‌بندی متعدد - تحلیل واریانس عاملی

4. پیش بینی نتایج

  • 17-پیش بینی نتایج با رگرسیون خطی
  • 18-پیش بینی نتایج با رگرسیون کمند
  • 19-پیش‌بینی نتایج با رگرسیون چندکی
  • 20-پیش بینی نتایج با رگرسیون لجستیک
  • 21-پیش بینی نتایج با پواسون یا رگرسیون لاگ خطی
  • 22- ارزیابی پیش‌بینی‌ها با مدل‌های ورودی مسدود

5. خوشه بندی و طبقه بندی موارد

  • 23-گروه بندی موارد با خوشه بندی سلسله مراتبی
  • 24-گروه‌بندی موارد با k-means خوشه‌بندی
  • 25- طبقه بندی موارد با k نزدیکترین همسایه
  • 26- طبقه بندی موارد با تجزیه و تحلیل درخت تصمیم
  • 27-ایجاد مدل های گروهی با طبقه بندی تصادفی جنگل

نتیجه

  • 28- مراحل بعدی

دوره های 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