Machine Learning Scientist mit R

In diesem Kurs lernst du die Grundlagen des maschinellen Lernens für Klassifikationsaufgaben.

In diesem Kurs lernst du, zukünftige Ereignisse mit linearer Regression, generalisierten additiven Modellen, Random Forests und xgboost vorherzusagen.

Du lernst die Grundkonzepte des Feature Engineering und wie du sie mit dem R-Framework tidymodels praktisch anwendest.

Dieser Kurs bietet eine Einführung in Clustering und Dimensionsreduktion in R aus Machine-Learning-Perspektive.

Nutze die Pakete tidyr und purrr aus dem tidyverse, um Modelle für maschinelles Lernen zu erstellen, zu erkunden und zu bewerten.

Lerne, wie man lineare und logistische Regression mit mehreren erklärenden Variablen durchführt.

In diesem Kurs lernst du die wichtigsten Konzepte des maschinellen Lernens kennen, zum Beispiel wie man Vorhersagemodelle erstellt und bewertet.

Lerne, wie du deine Workflows im Bereich maschinelles Lernen mit tidymodels optimieren kannst.

Learn how to use tree-based models and ensembles to make classification and regression predictions with tidymodels.

Dieser Kurs zeigt dir Techniken zur Dimensionsreduktion in R und macht dich mit der Merkmalsauswahl und -extraktion vertraut.

In diesem Kurs lernst du die Support-Vektor-Maschine (SVM) auf eine einfache und anschauliche Art kennen.

Lerne, was Bayes'sche Datenanalyse ist, wie sie funktioniert und warum sie ein nützliches Werkzeug für dein Data Science-Toolkit ist.

Lerne, wie du die Hyperparameter deines Modells anpassen kannst, um die besten Vorhersageergebnisse zu bekommen.

Lerne, wie du Bayes-Schätzmethoden nutzt, um bessere Rückschlüsse auf lineare Regressionsmodelle zu ziehen.

Build a regression model for a DVD rental firm to predict rental duration. Evaluate models to recommend the best one.

Lerne in nur 4 Stunden, wie du mit Spark und dem sparklyr-Paket in R Big-Data-Analysen durchführst, und entdecke Spark MLIb.