Makine Öğrenimi Bilim İnsanı in R

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

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

Makine öğrenimi modelleri için özellik mühendisliğinin ilkelerini ve bunları R tidymodels çerçevesini kullanarak nasıl uygulayacağınızı öğrenin.

Bu ders, makine öğrenimi perspektifinden R'da kümeleme ve boyut indirgemesine giriş sağlar.

Tidyverse'deki tidyr ve purrr paketlerini kullanarak makine öğrenimi modellerini oluşturun, keşfedin ve değerlendirin.

Birden fazla açıklayıcı değişkenle doğrusal ve lojistik regresyon yapmayı öğrenin.

Develop a strong intuition for how hierarchical and k-means clustering work and learn how to apply them to extract insights from your data.

Bu ders, tahmin modellerinin nasıl oluşturulacağı ve değerlendirileceği gibi makine öğrenimindeki temel kavramları öğretir.

Learn to streamline your machine learning workflows with tidymodels.

Tidymodels ile sınıflandırma ve regresyon tahminleri yapmak için ağaç tabanlı modeller ve kümeleri kullanmayı öğrenin.

R'da boyut indirgeme tekniklerini öğrenin ve kendi verileriniz ve modelleriniz için özellik seçimi ve çıkarma konusunda uzmanlaşın.

Bu ders, sezgisel ve görsel bir yaklaşım kullanarak destek vektör makinesini (SVM) tanıtacaktır.

Learn what Bayesian data analysis is, how it works, and why it is a useful tool to have in your data science toolbox.

En iyi tahmin sonuçlarını elde etmek için modelinizin hiperparametrelerini nasıl ayarlayacağınızı öğrenin.

Bayes tahmin yöntemlerini kullanarak doğrusal regresyon modelleri hakkında daha iyi çıkarımlar yapmayı öğrenin.

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.