機械学習研究員 Rにおいて

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.

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

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。

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

This course teaches the big ideas in machine learning like how to build and evaluate predictive models.

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.

Learn how to run big data analysis using Spark and the sparklyr package in R, and explore Spark MLIb in just 4 hours.