Courses
Machine Learning in the Tidyverse
ระดับกลางระดับทักษะ
อัปเดตแล้ว 12/2565
RMachine Learning5 ชม.15 videos52 Exercises4,300 เอ็กซ์พี16,253คำแถลงแสดงความสำเร็จ
เป็นที่ชื่นชอบของผู้เรียนในบริษัทหลายพันแห่ง
Training a Team?
Try for Businessคำอธิบายรายวิชา
This course is ideal if you’re looking to integrate R's Tidyverse tools into your machine learning workflows.
Evaluating machine learning models
Throughout this course, you will focus on leveraging the tidyverse tools in R to build, explore, and evaluate machine learning models efficiently.The course begins by introducing the List Column Workflow (LCW), a method for managing multiple models within a single dataframe. It also covers using the broom package to tidy up and explore model outputs, making the complex results more interpretable.
Utilizing tidyr and purrr
Work through practical exercises including building and evaluating regression along with classification models. Explore techniques for tuning hyperparameters to optimize model performance.You will use packages like tidyr and purrr to handle complex data manipulations and model evaluations, ensuring a tidy and systematic approach to machine learning.
Gain real-world application
Explore real-world examples through multiple case studies, such as using the gapminder dataset to predict life expectancy with linear models.By the end of the course, you will have a strong foundation in applying Tidyverse principles to machine learning, enabling them to build, tune, and evaluate models efficiently in a tidy and reproducible manner.
ข้อกำหนดเบื้องต้น
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.
Machine Learning in the Tidyverse
หลักสูตรเสร็จสมบูรณ์ ได้รับใบรับรองความสำเร็จ
เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, ประวัติย่อ หรือเรซูเม่ของคุณแชร์ลงในโซเชียลมีเดียและในรายงานประเมินผลการปฏิบัติงานของคุณลงทะเบียนเลย
พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile
พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา