Специалист по машинному обучению на R

В этом курсе вы изучите основы машинного обучения для классификации.

In this course you will learn how to predict future events using linear regression, generalized additive models, random forests, and xgboost.

Изучите принципы feature engineering для моделей машинного обучения и научитесь применять их с помощью фреймворка R tidymodels.

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.

Изучите линейную и логистическую регрессию с несколькими объясняющими переменными.

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.

Learn to streamline your machine learning workflows with tidymodels.

Learn how to use tree-based models and ensembles to make classification and regression predictions with tidymodels.

Learn dimensionality reduction techniques in R and master feature selection and extraction for your own data and models.

This course will introduce the support vector machine (SVM) using an intuitive, visual approach.

Узнайте, что такое байесовский анализ данных, как он работает и почему это полезный инструмент в вашем наборе инструментов data science.

Узнайте, как настраивать гиперпараметры модели, чтобы получать лучшие прогнозные результаты.

Learn how to leverage Bayesian estimation methods to make better inferences about linear regression models.

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

Научитесь выполнять анализ больших данных с помощью Spark и пакета sparklyr в R, а также изучите Spark MLIb всего за 4 часа.