Machine Learning Scientist mit R

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

In this course you will learn how to predict future events using linear regression, generalized additive models, random forests, and xgboost.

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

This course provides an intro to clustering and dimensionality reduction in R from a machine learning perspective.

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.

Develop a strong intuition for how hierarchical and k-means clustering work and learn how to apply them to extract insights from your data.

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.

Learn what Bayesian data analysis is, how it works, and why it is a useful tool to have in your data science toolbox.

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

Learn how to leverage Bayesian estimation methods to make better inferences about linear regression models.

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.