ข้ามไปยังเนื้อหาหลัก

คอร์ส

Machine Learning ด้วย caret ใน R

ขั้นกลาง4 ชม.

เรียนรู้แนวคิดหลักของ machine learning พร้อมวิธีสร้างและประเมิน predictive models

R4 ชม.24 วิดีโอ88 แบบฝึกหัด6,200 XP60,826หนังสือรับรองความสำเร็จ

สร้างบัญชีฟรีของคุณ

ดำเนินการต่อด้วย Google
หรือ
เมื่อดำเนินการต่อ ถือว่าคุณยอมรับ ข้อกำหนดการใช้งานและ นโยบายความเป็นส่วนตัว และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บในสหรัฐอเมริกา

ได้รับความไว้วางใจจากผู้เรียนในบริษัทหลายพันแห่ง

กำลังฝึกอบรมทีมอยู่ใช่ไหม?

ทดลองใช้สำหรับองค์กร

รายละเอียดคอร์ส

Machine learning คือการศึกษาและประยุกต์ใช้อัลกอริทึมที่เรียนรู้จากข้อมูลและสร้างการพยากรณ์ ตั้งแต่ผลการค้นหาไปจนถึงรถยนต์ขับเคลื่อนอัตโนมัติ เทคโนโลยีนี้แทรกซึมอยู่ในทุกแง่มุมของชีวิต และเป็นหนึ่งในสาขาที่น่าตื่นเต้นและเติบโตเร็วที่สุดในโลกของ data science คอร์สนี้จะพาไปทำความเข้าใจแนวคิดหลักของ machine learning ได้แก่ การสร้างและประเมินโมเดลพยากรณ์ การปรับแต่งโมเดลให้มีประสิทธิภาพสูงสุด การเตรียมข้อมูลเพื่อให้ได้ผลลัพธ์ที่ดีขึ้น และอื่น ๆ อีกมาก โดยใช้แพ็กเกจ caret ของ R ซึ่งเป็นอินเทอร์เฟซที่สอดคล้องกันสำหรับเครื่องมือ machine learning ที่ทรงพลังที่สุดของ R ตลอดทั้งคอร์ส

ข้อกำหนดเบื้องต้น

หลักสูตร

โครงร่างคอร์ส

1

โมเดล Regression: การ Fit และประเมินประสิทธิภาพ

ในบทแรกของคอร์สนี้ จะได้ฝึก fit โมเดล regression ด้วย train() และประเมินประสิทธิภาพนอกกลุ่มตัวอย่าง (out-of-sample) โดยใช้ cross-validation และค่า root-mean-square error (RMSE)
เริ่มบท
2

โมเดล Classification: การ Fit และประเมินประสิทธิภาพ

ในบทนี้ จะได้ฝึก fit โมเดล classification ด้วย train() และประเมินประสิทธิภาพนอกกลุ่มตัวอย่าง (out-of-sample) โดยใช้ cross-validation และค่า area under the curve (AUC)
เริ่มบท
3

การปรับแต่ง Parameter ของโมเดลเพื่อเพิ่มประสิทธิภาพ

4

การเตรียมข้อมูล (Preprocessing)

ในบทนี้ จะได้ฝึกใช้ train() เพื่อเตรียมข้อมูลก่อน fit โมเดล ซึ่งช่วยเพิ่มความแม่นยำในการพยากรณ์
เริ่มบท
R

Machine Learning ด้วย caret ใน R

เรียนคอร์สจบแล้ว

รับใบรับรองความสำเร็จ

ลงทะเบียนเลย

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

เรียนรู้ได้ทุกที่ด้วยคอร์สบนมือถือและโจทย์เขียนโค้ด 5 นาทีประจำวัน