Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Tidymodels ist eine leistungsstarke Suite von R-Paketen, die Machine-Learning-Workflows vereinfacht. Lerne, Datensätze für Cross-Validation zu splitten, Daten mit dem recipes-Paket von tidymodels vorzuverarbeiten und Machine-Learning-Algorithmen zu feinabzustimmen. Du lernst zentrale Konzepte wie das Definieren von Modellobjekten und das Erstellen von Modellierungs-Workflows. Anschließend wendest du dein Können an, um Immobilienpreise vorherzusagen und Mitarbeitende nach ihrem Risiko zu klassifizieren, ein Unternehmen zu verlassen.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Machine Learning mit tidymodels
In diesem Kapitel erkundest du das vielfältige Ökosystem der R-Pakete, die tidymodels antreiben, und lernst, wie sie deine Machine-Learning-Workflows vereinfachen. Danach stellst du deine tidymodels-Skills auf die Probe, indem du Verkaufspreise von Häusern in Seattle, Washington, vorhersagst.
- Das tidymodels-Ökosystem50 XP
- tidymodels-Pakete100 XP
- Trainings- und Testdatensätze erstellen100 XP
- Verteilung der Werte der Zielvariablen100 XP
- Lineare Regression mit tidymodels50 XP
- Ein lineares Regressionsmodell fitten100 XP
- Geschätzte Modellparameter erkunden50 XP
- Verkaufspreise für Häuser vorhersagen100 XP
- Modellleistung bewerten50 XP
- Metriken zur Modellgüte100 XP
- R-Quadrat-Plot100 XP
- Kompletter Modellanpassungsprozess mit last_fit()100 XP
2
Klassifikationsmodelle
Lerne, wie du kategoriale Ergebnisse mithilfe von Klassifikationsmodellen vorhersagst. Mit den bisher erlernten Fähigkeiten sagst du die Wahrscheinlichkeit voraus, dass Kundinnen und Kunden bei einem Telekommunikationsunternehmen ihren Service kündigen.
3
Feature Engineering
Finde heraus, wie du Feature-Engineering-Pipelines mit dem recipes-Paket erstellst. Du bereitest numerische und kategoriale Daten so auf, dass Machine-Learning-Algorithmen deine Vorhersagen optimal verbessern können.
4
Workflows und Hyperparameter-Tuning
Jetzt ist es Zeit, den Modellierungsprozess mit Workflows zu vereinfachen und Modelle mithilfe von Cross-Validation und Hyperparameter-Tuning zu verfeinern. Du lernst, wie du ein Entscheidungsbaum-Klassifikationsmodell tunst, um vorherzusagen, ob Kundinnen und Kunden einer Bank voraussichtlich mit ihrem Kredit in Verzug geraten.
R
Modellierung mit tidymodels in R
Kurs
abgeschlossen
