นักวิทยาศาสตร์แมชชีนเลิร์นนิง ใน R

ในคอร์สนี้ คุณจะได้เรียนรู้พื้นฐานของแมชชีนเลิร์นนิงสำหรับการจำแนกประเภท

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

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

This course provides an intro to clustering and dimensionality reduction in R from a machine learning perspective.

ใช้แพ็กเกจ tidyr และ purrr ใน tidyverse เพื่อสร้าง สำรวจ และประเมินโมเดลแมชชีนเลิร์นนิง

Learn to perform linear and logistic regression with multiple explanatory variables.

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.

เรียนรู้ว่า Bayesian data analysis คืออะไร ทำงานอย่างไร และทำไมจึงเป็นเครื่องมือที่มีประโยชน์ในชุดเครื่องมือ data science ของคุณ

เรียนรู้วิธีปรับแต่งไฮเปอร์พารามิเตอร์ของโมเดลเพื่อให้ได้ผลการทำนายที่ดีที่สุด

เรียนรู้วิธีใช้ประโยชน์จากวิธีการประมาณแบบเบย์เพื่ออนุมานเกี่ยวกับแบบจำลองการถดถอยเชิงเส้นได้ดียิ่งขึ้น

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

เรียนรู้การวิเคราะห์บิ๊กดาต้าด้วย Spark และแพ็กเกจ sparklyr ใน R พร้อมสำรวจ Spark MLIb ในเวลาเพียง 4 ชั่วโมง