After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kurs Açıklaması
Makine öğreniminde çoğu zaman amaç, tahmin yapmadan verideki örüntüleri bulmaktır. Buna denetimsiz öğrenme denir. Denetimsiz öğrenmenin yaygın bir kullanım alanı, hedefli pazarlama kampanyaları yürütmek için tüketicileri demografi ve satın alma geçmişine göre gruplamaktır. Bir başka örnek de şehirler arasındaki suç farklılıklarını en çok etkileyen, ölçülmemiş faktörleri açıklamaktır. Bu kurs, makine öğrenimi perspektifinden R ile kümeleme ve boyut indirgeme konularına temel bir giriş sunar; böylece veriden içgörüye olabildiğince hızlı ilerleyebilirsin.
Ön Koşullar
Müfredat
Kurs içeriği
1
R ile denetimsiz öğrenme
k-means algoritması, kümelemede yaygın bir yaklaşımdır. Algoritmanın arka planda nasıl çalıştığını öğren, R'de k-means kümelemeyi uygula, sonuçları görselleştirip yorumla ve küme sayısı önceden bilinmediğinde nasıl seçeceğini keşfet. Bölümün sonunda, k-means kümelemeyi eğlenceli bir “gerçek dünya” veri kümesine uygulamış olacaksın!
- Kursa hoş geldin!50 XP
- Kümelendirme problemlerini belirle50 XP
- k-means kümelemeye giriş50 XP
- k-means kümeleme100 XP
- kmeans() sonuçları100 XP
- kmeans() sonuçlarını görselleştirme ve yorumlama100 XP
- k-means nasıl çalışır ve pratik konular50 XP
- Rastgele çalışan algoritmalarla başa çıkma100 XP
- Küme sayısını seçme100 XP
- Pokemon verisine giriş50 XP
- Pratik konular: gerçek verilerle çalışmak100 XP
- k-means kümelemeye genel bakış50 XP
2
Hiyerarşik kümeleme
Hiyerarşik kümeleme, kümeleme için bir başka popüler yöntemdir. Bu bölümün hedefi, nasıl çalıştığını, nasıl kullanılacağını ve k-means kümelemesiyle nasıl karşılaştırıldığını ele almaktır.
3
PCA ile boyut indirgeme
Temel bileşen analizi (PCA), boyut indirgeme için yaygın bir yaklaşımdır. PCA'nın tam olarak ne yaptığını öğren, biplot ve scree plot ile PCA sonuçlarını görselleştir, ayrıca PCA uygulamadan önce veriyi ortalama etrafında merkezleme ve ölçekleme gibi pratik konuları ele al.
4
Bir vaka çalışmasıyla hepsini birleştirmek
Bu bölümün amacı, ilk üç bölümde ele alınan denetimsiz öğrenme tekniklerini kullanarak baştan sona bir analizde sana rehberlik etmektir. İnsan meme kitlelerinin hücre çekirdeği ölçümlerinden oluşan veriler üzerinde, kümelemeden önce bir ön işleme adımı olarak PCA'yı kullanarak öğrendiklerini bir adım ileri taşıyacaksın.
R
R ile Denetimsiz Öğrenme
Kurs
Tamamlandı
