機械学習サイエンティスト Rで

このコースでは、分類のための機械学習の基礎を学びます。

このコースでは、線形回帰、Generalized Additive Models、Random Forests、xgboostを用いて将来の事象を予測する方法を学びます。

機械学習モデルの特徴量エンジニアリングの原則と、Rのtidymodelsでの実装方法を学びます。

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

tidyrとpurrrパッケージをtidyverseで活用し、機械学習モデルを生成・探索・評価します。

複数の説明変数を用いた線形回帰とロジスティック回帰を学びます。

階層クラスタリングとk-meansクラスタリングの仕組みを直感的に理解し、データから洞察を引き出す方法を学びます。

このコースでは、機械学習の基本概念、たとえば予測モデルの構築と評価方法を学びます。

tidymodelsで機械学習のワークフローを効率化する方法を学びましょう。

tidymodelsで木ベースのモデルとアンサンブルを用い、分類と回帰の予測手法を学びます。

Rで次元削減を学び、あなたのデータとモデルに最適な特徴選択・特徴抽出を習得しましょう。

このコースでは、直感的で視覚的なアプローチで support vector machine（SVM）を導入します。

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

最適な予測結果のために、モデルのハイパーパラメータを適切にチューニングする方法を学びます。

Bayesian 推定法を活用し、線形回帰モデルについてより的確な推論を行う方法を学びます。

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

SparkとRのsparklyrパッケージでビッグデータ分析を実行し、Spark MLIbを4時間で学習。