Applied Machine Learning with R: Clustering and Prediction (bằng tiếng Anh).

Sẵn sàng chuyển từ phân tích dữ liệu cơ bản đến xây dựng hệ thống thông minh, dự đoán? Học máy là động cơ đằng sau khoa học dữ liệu hiện đại, và R cung cấp một trong những môi trường mạnh mẽ nhất, thân thiện với nhà phát triển để viết các thuật toán này. Chương trình học toàn diện này hướng dẫn bạn từng bước qua các khái niệm cơ bản và thực hiện thực tế của học máy trong R. Bạn sẽ chuyển từ việc hiểu các khái niệm học thống kê cốt lõi để viết mã R sạch, có thể thực hiện được để giải quyết các vấn đề phân loại và tập hợp thực tế. Bằng cách nghiên cứu các giải thích rõ ràng và các mã có cấu trúc, bạn sẽ có được sự tự tin để chuẩn bị các tập dữ liệu, huấn luyện các mô hình dự đoán và giải thích kết quả của chúng. Bạn sẽ học: Hiểu thuật ngữ học máy cơ bản, các luồng công việc và kỹ thuật chuẩn bị dữ liệu trong R; Thực hiện các thuật toán nhóm không giám sát như K-Means để khám phá các mô hình ẩn trong dữ kiện; Xây dựng các mô mẫu phân loại dự đoán bằng cách sử dụng Naive Bayes và cây quyết định; Đánh giá hiệu suất mô hình bằng cách dùng tidymodels hiện đại Các khung, ma trận lẫn lộn, và đường cong ROC; Apply tidyverse principles to clean, transform, and preprocess raw data for machine learning pipeline integration; Practice model tuning and validation strategies to ensure your predictions generalize to new data. Chương trình bắt đầu với các khái niệm cơ bản, hướng dẫn bạn qua quá trình xử lý trước dữ liệu trước khi lặn vào các thuật toán học có giám sát và không giám thị. Mỗi mô-đun tập trung vào các giải thích rõ ràng về lý thuyết cơ bản theo sau bởi các mã thực hiện từng bước mà bạn có thể đọc và thực hành theo tốc độ của riêng bạn. Lớp học này được thiết kế cho người mới bắt đầu, các nhà phân tích dữ liệu và các nhà khoa học dữ kiện tham vọng muốn học học máy sử dụng R. Không cần kinh nghiệm học máy trước, mặc dù một sự quen thuộc cơ bản với cú pháp R là hữu ích. Bắt đầu đọc hôm nay để làm chủ học máy thực tế và giải phóng sức mạnh dự đoán của dữ liệu của bạn.