Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Tidymodels es un potente conjunto de paquetes de R diseñado para simplificar los flujos de trabajo de Machine Learning. Aprende a dividir conjuntos de datos para la validación cruzada, a preprocesar datos con el paquete recipes de tidymodels y a ajustar modelos de Machine Learning. Verás conceptos clave como definir objetos de modelo y crear flujos de trabajo de modelado. Después, pondrás en práctica tus habilidades para predecir precios de viviendas y clasificar a empleados según su riesgo de dejar una empresa.
Requisitos previos
Programa de formación
Contenido del curso
1
Machine Learning con tidymodels
En este capítulo, explorarás el rico ecosistema de paquetes de R que dan soporte a tidymodels y aprenderás cómo pueden agilizar tus flujos de trabajo de Machine Learning. Después pondrás a prueba tus habilidades con tidymodels prediciendo precios de venta de viviendas en Seattle, Washington.
- El ecosistema de tidymodels50 XP
- Paquetes de tidymodels100 XP
- Creación de conjuntos de entrenamiento y prueba100 XP
- Distribución de los valores de la variable objetivo100 XP
- Regresión lineal con tidymodels50 XP
- Ajustar un modelo de regresión lineal100 XP
- Explorar los parámetros estimados del modelo50 XP
- Predecir los precios de venta de viviendas100 XP
- Evaluar el rendimiento del modelo50 XP
- Métricas de rendimiento del modelo100 XP
- Gráfico de R cuadrado100 XP
- Proceso completo de ajuste del modelo con last_fit()100 XP
2
Modelos de clasificación
Aprende a predecir resultados categóricos entrenando modelos de clasificación. Con las habilidades que has adquirido hasta ahora, predecirás la probabilidad de que los clientes cancelen su servicio en una compañía de telecomunicaciones.
3
Ingeniería de características
Descubre cómo crear canalizaciones de ingeniería de características con el paquete recipes. Prepararás datos numéricos y categóricos para ayudar a los algoritmos de Machine Learning a optimizar tus predicciones.
4
Flujos de trabajo y ajuste de hiperparámetros
Ahora toca optimizar el proceso de modelado usando flujos de trabajo y afinar modelos con validación cruzada y ajuste de hiperparámetros. Aprenderás a ajustar un modelo de clasificación con árbol de decisión para predecir si es probable que los clientes de un banco incumplan su préstamo.
R
Modelado con tidymodels en R
Curso
completado
