Build your ultimate AI agent
Descrição do curso
O tidymodels é um conjunto poderoso de pacotes R criado para simplificar fluxos de trabalho de Machine Learning. Aprenda a dividir conjuntos de dados para validação cruzada, pré-processar dados com o pacote recipes do tidymodels e ajustar algoritmos de Machine Learning. Você vai aprender conceitos essenciais, como definir objetos de modelo e criar fluxos de modelagem. Depois, vai aplicar suas habilidades para prever preços de imóveis e classificar colaboradores pelo risco de deixarem a empresa.
Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Machine Learning com tidymodels
Neste capítulo, você vai explorar o ecossistema robusto de pacotes R que dão suporte ao tidymodels e aprender como eles podem agilizar seus fluxos de trabalho de Machine Learning. Em seguida, você vai colocar o tidymodels em prática prevendo preços de venda de casas em Seattle, Washington.
- O ecossistema do tidymodels50 XP
- Pacotes do tidymodels100 XP
- Criando conjuntos de dados de treino e teste100 XP
- Distribuição dos valores da variável de desfecho100 XP
- Regressão linear com tidymodels50 XP
- Ajustando um modelo de regressão linear100 XP
- Explorando os parâmetros estimados do modelo50 XP
- Prevendo preços de venda de imóveis100 XP
- Avaliando o desempenho do modelo50 XP
- Métricas de desempenho do modelo100 XP
- Gráfico de R squared100 XP
- Processo completo de ajuste de modelo com last_fit()100 XP
2
Modelos de Classificação
Aprenda a prever resultados categóricos treinando modelos de classificação. Usando as habilidades que você desenvolveu até aqui, você vai prever a probabilidade de clientes cancelarem o serviço em uma empresa de telecomunicações.
3
Engenharia de Atributos
Descubra como montar pipelines de engenharia de atributos com o pacote recipes. Você vai preparar dados numéricos e categóricos para ajudar os algoritmos de Machine Learning a otimizar suas previsões.
4
Workflows e Ajuste de Hiperparâmetros
Agora é hora de otimizar o processo de modelagem usando workflows e ajustar modelos com validação cruzada e ajuste de hiperparâmetros. Você vai aprender a ajustar um modelo de classificação por árvore de decisão para prever se clientes de um banco têm probabilidade de dar calote no empréstimo.
R
Modelagem com tidymodels em R
Curso
concluído
