Dopo aver seguito questi corsi, mi sento sicuro nel creare visualizzazioni e dashboard professionali
Shoebur RahmanSpecialista degli acquisti, Giz Bangladesh
Descrizione del corso
Tidymodels è una potente suite di pacchetti R pensata per semplificare i flussi di lavoro di Machine Learning. Impara a suddividere gli insiemi di dati per la cross-validation, a preelaborare i dati con il pacchetto recipes di tidymodels e a ottimizzare gli algoritmi di Machine Learning. Scoprirai concetti chiave come definire gli oggetti modello e creare workflow di modellazione. Poi metterai in pratica le tue competenze per prevedere i prezzi delle case e classificare i dipendenti in base al rischio di lasciare l’azienda.
Prerequisiti
Programma
Struttura del corso
1
Machine Learning con tidymodels
In questo capitolo esplorerai il ricco ecosistema di pacchetti R che alimentano tidymodels e scoprirai come possono semplificare i tuoi flussi di lavoro di Machine Learning. Metterai poi alla prova le tue abilità con tidymodels prevedendo i prezzi di vendita delle case a Seattle, nello stato di Washington.
- L'ecosistema di tidymodels50 XP
- Pacchetti tidymodels100 XP
- Creare insiemi di dati di training e di test100 XP
- Distribuzione dei valori della variabile di outcome100 XP
- Regressione lineare con tidymodels50 XP
- Adattare un modello di regressione lineare100 XP
- Esplorare i parametri stimati del modello50 XP
- Prevedere i prezzi di vendita delle case100 XP
- Valutare le prestazioni del modello50 XP
- Metriche di performance del modello100 XP
- Grafico R squared100 XP
- Processo completo di adattamento del modello con last_fit()100 XP
2
Modelli di classificazione
Impara a prevedere esiti categoriali addestrando modelli di classificazione. Con le competenze acquisite finora, prevedrai la probabilità che i clienti annullino il loro servizio presso un’azienda di telecomunicazioni.
3
Feature engineering
Scopri come creare pipeline di feature engineering con il pacchetto recipes. Preparerai dati numerici e categorici per aiutare gli algoritmi di Machine Learning a ottimizzare le tue previsioni.
4
Workflow e ottimizzazione degli iperparametri
È il momento di rendere più efficiente il processo di modellazione usando i workflow e di perfezionare i modelli con la cross-validation e l’ottimizzazione degli iperparametri. Imparerai a mettere a punto un modello di classificazione ad albero decisionale per prevedere se i clienti di una banca rischiano di andare in default sul loro prestito.
R
Modellazione con tidymodels in R
Corso
completato
