Maskininlärningsforskare i R

In this course you will learn the basics of machine learning for classification.

I den här kursen lär du dig att förutsäga framtida händelser med linjär regression, generaliserade additiva modeller, random forests och xgboost.

Learn the principles of feature engineering for machine learning models and how to implement them using the R tidymodels framework.

Den här kursen ger en introduktion till klustring och dimensionsreduktion i R ur ett maskininlärningsperspektiv.

Använd paketen tidyr och purrr i tidyverse för att generera, utforska och utvärdera maskininlärningsmodeller.

Lär dig utföra linjär och logistisk regression med flera förklarande variabler.

Utveckla en stark intuition för hur hierarkisk klustring och k-means-klustring fungerar och lär dig använda dem för att utvinna insikter ur dina data.

Den här kursen lär ut de stora idéerna inom maskininlärning, som hur man bygger och utvärderar prediktiva modeller.

Lär dig effektivisera dina maskininlärningsarbetsflöden med tidymodels.

Lär dig använda trädmodeller och ensembler för att göra klassificerings- och regressionsprediktioner med tidymodels.

Lär dig tekniker för dimensionsreduktion i R och bemästra funktionsurval och extraktion för dina egna data och modeller.

Den här kursen introducerar support vector machine (SVM) med ett intuitivt, visuellt tillvägagångssätt.

Lär dig vad bayesiansk dataanalys är, hur den fungerar och varför det är ett användbart verktyg i din data science-verktygslåda.

Lär dig hur du justerar din modells hyperparametrar för att få bästa möjliga prediktiva resultat.

Lär dig använda Bayesianska skattningsmetoder för att dra bättre slutsatser om linjära regressionsmodeller.

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.