Chia Sẻ Khóa Học R Ultimate 2023 - R Cho Data Science Và Machine Learning [Khóa 7546 A]
R Basic, Data Science, Statistical Machine Learning model, Deep Learning, Shiny và nhiều hơn nữa (Bao gồm tất cả code R).
Bạn sẽ học được gì:
- ✓ Tìm hiểu tất cả các khía cạnh của R từ Cơ bản, qua Data Science, đến Machine Learning và Deep Learning.
- ✓ Tìm hiểu R basic (kiểu dữ liệu, cấu trúc, biến, ...).
- ✓ Học lập trình R (viết vòng lặp, hàm, ...).
- ✓ Data im- và export.
- ✓ Thao tác dữ liệu cơ bản (piping, filtering, aggregation of results, data reshaping, set operations, joining datasets).
- ✓ Trực quan hóa dữ liệu (các package khác nhau được học, ví dụ: ggplot, plotly, leaflet, dygraphs).
- ✓ Thao tác dữ liệu nâng cao (outlier detection, missing data handling, regular expression).
- ✓ Các mô hình hồi quy (tạo và áp dụng mô hình hồi quy).
- ✓ Model evaluation (underfitting và overfitting là gì? Tại sao dữ liệu được chia thành training và testing? Kỹ thuật resampling là gì?).
- ✓ Regularization (Regularization là gì? Bạn có thể áp dụng nó như thế nào?).
- ✓ Các classification model (hiểu các thuật toán khác nhau và tìm hiểu cách áp dụng logistic regression, decision trees, random forests, support vector machines).
- ✓ Association rules (tìm hiểu mô hình apriori).
- ✓ Clustering (kmeans, hierarchical clustering, DBscan).
- ✓ Dimensionality reduction (factor analysis, principal component analysis).
- ✓ Reinforcement Learning (upper confidence bound).
- ✓ Deep Learning (deep learning for multi-target regression, binary và multi-label classification).
- ✓ Deep Learning (tìm hiểu image classification với convolutional neural networks).
- ✓ Deep Learning (tìm hiểu về Semantic Segmentation).
- ✓ Deep Learning (Recurrent Neural Networks, LSTM).
- ✓ Thông tin thêm về Deep Learning, ví dụ: Autoencoders, pretrained models, ...!
- ✓ R/Shiny for web application development và deployment.
Bạn muốn có thể thực hiện phân tích dữ liệu của riêng mình với R? Bạn muốn tìm hiểu cách lấy thông tin chuyên sâu quan trọng về kinh doanh từ dữ liệu của mình? Hay bạn muốn có một công việc trong lĩnh vực tuyệt vời này? Trong tất cả các trường hợp này, bạn đã tìm đúng khóa học!
Chúng ta sẽ bắt đầu với những điều cơ bản của R, như kiểu dữ liệu và cấu trúc, lập trình các vòng lặp và hàm, nhập và xuất dữ liệu.
Sau đó, chúng ta sẽ tìm hiểu sâu hơn về phân tích dữ liệu : chúng ta sẽ tìm hiểu cách thao tác với dữ liệu bằng cách lọc, tổng hợp kết quả, định hình lại dữ liệu, thiết lập hoạt động và nối các bộ dữ liệu. Chúng ta sẽ khám phá các kỹ thuật trực quan hóa khác nhau để trình bày dữ liệu phức tạp. Ngoài ra, hãy tìm hiểu để trình bày dữ liệu chuỗi thời gian tương tác hoặc dữ liệu không gian địa lý tương tác.
Các kỹ thuật thao tác dữ liệu nâng cao được đề cập, ví dụ: phát hiện ngoại lệ, xử lý dữ liệu bị thiếu và biểu thức chính quy.
Chúng tôi sẽ đề cập đến tất cả các lĩnh vực của Machine Learning : Kỹ thuật Regression và Classification, Clustering, Association Rules, Reinforcement Learning và có thể quan trọng nhất là Deep Learning for Regression, Classification, Convolutional Neural Networks, Autoencoders, Recurrent Neural Networks, ...!
Bạn cũng sẽ học cách phát triển các ứng dụng web và cách triển khai chúng với R/Shiny.
Đối với mỗi lĩnh vực, các thuật toán khác nhau được trình bày chi tiết: các khái niệm cốt lõi của chúng được trình bày trong 101 session. Tại đây, bạn sẽ hiểu cách thức hoạt động của thuật toán. Sau đó, chúng tôi thực hiện nó cùng nhau trong các lab session. Chúng tôi phát triển code, trước khi tôi khuyến khích bạn tự làm bài tập, trước khi bạn xem các ví dụ giải pháp của tôi. Với kiến thức này, bạn có thể xác định rõ ràng một vấn đề hiện tại và phát triển một kế hoạch tấn công để giải quyết nó.
Bạn sẽ hiểu những ưu điểm và nhược điểm của các mô hình khác nhau và khi nào nên sử dụng mô hình nào. Hơn nữa, bạn sẽ biết cách đưa kiến thức của mình vào thế giới thực.
Bạn sẽ có quyền truy cập vào một nền tảng học tập tương tác sẽ giúp bạn hiểu các khái niệm tốt hơn nhiều.
Trong khóa học này, code sẽ không bao giờ bị lộ ra ngoài thông qua sao chép/dán. Chúng tôi sẽ cùng nhau phát triển mọi dòng code quan trọng và tôi sẽ cho bạn biết lý do và cách chúng tôi triển khai nó.
Mục lục:
- ✓ 01. Giới thiệu khóa học.
- ✓ 02. Kiểu dữ liệu và cấu trúc.
- ✓ 03. Lập trình R.
- ✓ 04. Nhập và xuất dữ liệu.
- ✓ 05. Basic Data Manipulation.
- ✓ 06. Data Visualisation.
- ✓ 07. Data Manipulation nâng cao.
- ✓ 08. Machine Learning: Giới thiệu.
- ✓ 09. Machine Learning: Regression.
- ✓ 10. Machine Learning: Model Preparation và Evaluation.
- ✓ 11. Machine Learning: Regularization.
- ✓ 12. Machine Learning: Classification Basic.
- ✓ 13. Machine Learning: Classification với Decision Trees.
- ✓ 14. Machine Learning: Classification với Random Forests.
- ✓ 15. Machine Learning: Classification với Logistic Regression.
- ✓ 16. Machine Learning: Classification với Support Vector Machines.
- ✓ 17. Machine Learning: Classification với Ensemble Models.
- ✓ 18. Machine Learning: Association Rules.
- ✓ 19. Machine Learning: Clustering.
- ✓ 20. Machine Learning: Dimensionality Reduction.
- ✓ 21. Machine Learning: Reinforcement Learning.
- ✓ 22. Deep Learning: Giới thiệu.
- ✓ 23. Deep Learning: Regression.
- ✓ 24. Deep Learning: Classification.
- ✓ 25. Deep Learning: Convolutional Neural Networks.
- ✓ 26. Deep Learning: Autoencoders.
- ✓ 27. Deep Learning: Transfer Learning và Pretrained Networks.
- ✓ 28. Deep Learning: Recurrent Neural Networks.
- ✓ 29. Shiny.
- ✓ 30. Thưởng.
Đối tượng của khóa học này:
- ✓ R beginner quan tâm đến việc học R.
- ✓ Các học viên khoa học dữ liệu muốn đào sâu kiến thức của họ.
- ✓ Các developer muốn tìm hiểu các khía cạnh khác nhau của Machine Learning.
NHẬN GET EBOOK TRÊN AMAZON THEO YÊU CẦU
