After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Tidymodels to rozbudowany zestaw pakietów R zaprojektowany z myślą o uproszczeniu procesów uczenia maszynowego. Nauczysz się dzielić zbiory danych do walidacji krzyżowej, przetwarzać dane z pakietem recipes oraz dostrajać algorytmy uczenia maszynowego. Poznasz kluczowe pojęcia, takie jak definiowanie obiektów modeli i tworzenie przepływów pracy. Następnie wykorzystasz zdobyte umiejętności do przewidywania cen domów i klasyfikowania pracowników według ryzyka odejścia z firmy.
Wymagania wstępne
Program kursu
Plan kursu
1
Uczenie maszynowe z tidymodels
W tym rozdziale poznasz bogaty ekosystem pakietów R tworzących tidymodels i dowiesz się, jak mogą usprawnić twoje procesy uczenia maszynowego. Następnie sprawdzisz swoje umiejętności w praktyce, przewidując ceny sprzedaży domów w Seattle w stanie Waszyngton.
- Ekosystem tidymodels50 XP
- Pakiety tidymodels100 XP
- Tworzenie zbiorów treningowego i testowego100 XP
- Rozkład wartości zmiennej wynikowej100 XP
- Regresja liniowa z tidymodels50 XP
- Dopasowywanie modelu regresji liniowej100 XP
- Analiza estymowanych parametrów modelu50 XP
- Przewidywanie cen sprzedaży domów100 XP
- Ocena wydajności modelu50 XP
- Metryki oceny modelu100 XP
- Wykres R kwadrat100 XP
- Kompletny proces dopasowania modelu z last_fit()100 XP
2
Modele klasyfikacji
Naucz się przewidywać wyniki kategoryczne, trenując modele klasyfikacji. Korzystając z dotychczas zdobytych umiejętności, będziesz przewidywać prawdopodobieństwo rezygnacji klientów z usług firmy telekomunikacyjnej.
3
Inżynieria cech
Dowiedz się, jak budować potoki inżynierii cech z pakietem recipes. Przygotuj dane liczbowe i kategoryczne, aby pomóc algorytmom uczenia maszynowego zoptymalizować twoje predykcje.
4
Przepływy pracy i strojenie hiperparametrów
Czas usprawnić proces modelowania za pomocą przepływów pracy oraz dostroić modele z wykorzystaniem walidacji krzyżowej i strojenia hiperparametrów. Nauczysz się dostrajać model drzewa decyzyjnego do klasyfikacji, aby przewidzieć, którzy klienci banku są narażeni na niespłacenie kredytu.
R
Modelowanie z tidymodels w R
Kurs
ukończony
