Kurs
Uczenie maszynowe w tidyverse
ŚredniozaawansowanyPoziom umiejętności
Zaktualizowano 12.2022
RMachine Learning5 godz.15 filmów52 Ćwiczenia4,300 XP16,319Zaświadczenie o ukończeniu
Utwórz bezpłatne konto
Kontynuuj z GooglePokaż więcej opcjilub
Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz to, że Twoje dane są przechowywane w USA.
Uwielbiany przez kursantów z tysięcy firm
Szkolisz zespół?
Wypróbuj dla firmOpis kursu
Ten kurs jest idealny, jeśli chcesz zintegrować narzędzia Tidyverse w R ze swoimi procesami uczenia maszynowego.
Ocena modeli uczenia maszynowego
W trakcie tego kursu skupisz się na wykorzystaniu narzędzi tidyverse w R, aby sprawnie budować, eksplorować i oceniać modele uczenia maszynowego.Kurs rozpoczyna się od wprowadzenia List Column Workflow (LCW), metody zarządzania wieloma modelami w ramach jednego dataframe. Obejmuje również korzystanie z pakietu broom do porządkowania i eksplorowania wyników modeli, dzięki czemu złożone rezultaty stają się bardziej zrozumiałe.
Wykorzystanie tidyr i purrr
Pracuj nad praktycznymi ćwiczeniami, w tym tworzeniem i oceną modeli regresji oraz klasyfikacji. Poznaj techniki dostrajania hiperparametrów, aby zoptymalizować wydajność modelu.Będziesz korzystać z pakietów takich jak tidyr i purrr, aby obsługiwać złożone przekształcenia danych i oceny modeli, zapewniając uporządkowane i systematyczne podejście do uczenia maszynowego.
Zdobądź praktyczne zastosowanie w realnym świecie
Poznaj rzeczywiste przykłady dzięki wielu studiom przypadku, takim jak wykorzystanie zbioru danych gapminder do przewidywania oczekiwanej długości życia za pomocą modeli liniowych.Pod koniec kursu zdobędziesz solidne podstawy stosowania zasad Tidyverse w uczeniu maszynowym, co pozwoli Ci budować, dostrajać i oceniać modele w wydajny, uporządkowany i powtarzalny sposób.
Wymagania wstępne
Modeling with Data in the Tidyverse1
Foundations of "tidy" Machine learning
This chapter will introduce you to the backbone of machine learning in the tidyverse, the List Column Workflow (LCW). The LCW will empower you to work with many models in one dataframe.
This chapter will also introduce you to the fundamentals of the broom package for exploring your models.
This chapter will also introduce you to the fundamentals of the broom package for exploring your models.
2
Multiple Models with broom
This chapter leverages the List Column Workflow to build and explore the attributes of 77 models. You will use the tools from the broom package to gain a multidimensional understanding of all of these models.
3
Build, Tune & Evaluate Regression Models
In this chapter you will learn how to use the List Column Workflow to build, tune and evaluate regression models. You will have the chance to work with two types of models: linear models and random forest models.
4
Build, Tune & Evaluate Classification Models
In this chapter you will shift gears to build, tune and evaluate classification models.
Uczenie maszynowe w tidyverse
Kurs ukończony
Zdobądź zaświadczenie o ukończeniu
Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysuUdostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz
Dołącz do ponad 19 milionów kursantów i zacznij Uczenie maszynowe w tidyverse już dziś!
Utwórz bezpłatne konto
Kontynuuj z GooglePokaż więcej opcjilub
Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz to, że Twoje dane są przechowywane w USA.
Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych
Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.