Scientifique en apprentissage automatique en R

Dans ce cours, vous apprendrez les bases du machine learning pour la classification.

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

Découvrez les principes de l'ingénierie des caractéristiques pour le ML et comment les mettre en œuvre à l'aide du framework R tidymodels.

Ce cours propose une introduction au regroupement et à la réduction de dimensionnalité dans R, dans une perspective de machine learning.

Leverage tidyr and purrr packages in the tidyverse to generate, explore, and evaluate machine learning models.

Apprenez à effectuer une régression linéaire et logistique avec plusieurs variables explicatives.

Développez votre intuition sur les regroupements hiérarchiques et via k-means, et appliquez-les pour extraire des infos pertinentes.

Ce cours présente les concepts fondamentaux de l'apprentissage automatique, notamment comment créer et évaluer des modèles prédictifs.

Apprenez à optimiser vos workflows de machine learning avec tidymodels.

Utilisez des modèles arborescents et des ensembles pour effectuer des prédictions de classification et de régression avec tidymodels.

Ce cours présente la machine à vecteurs de support (SVM) à l'aide d'une approche visuelle et intuitive.

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

Découvrez comment ajuster les hyperparamètres de votre modèle afin d'obtenir les meilleurs résultats prédictifs.

Découvrez comment exploiter les méthodes d'estimation bayésiennes pour améliorer vos inférences sur les modèles de régression linéaire.

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

Apprenez à effectuer des analyses de mégadonnées à l'aide de Spark et du package sparklyr dans R, et découvrez Spark MLIb en seulement 4 heures.