Machine Learning and Deep Learning with R: A Practical Guide

ข้อมูลเป็นหนึ่งในสินทรัพย์ที่มีค่าที่สุดในโลกสมัยใหม่ แต่พลังที่แท้จริงของมันอยู่ที่ความสามารถในการคาดการณ์แนวโน้มและทำให้การตัดสินใจเป็นไปโดยอัตโนมัติ R มีระบบนิเวศที่แข็งแกร่งและเชี่ยวชาญสำหรับการแปลงข้อมูลดิบให้เป็นโมเดล Machine Learning ที่ซับซ้อน หลักสูตรนี้จะแนะนำคุณตั้งแต่แนวคิดพื้นฐานของการจัดการข้อมูลไปจนถึงการใช้งานโครงข่ายประสาทเทียมขั้นสูง คุณจะได้เรียนรู้ทักษะที่จำเป็นในการทำความสะอาดข้อมูล สร้างโมเดลการจำแนกประเภทและการถดถอย และสำรวจสถาปัตยกรรมเบื้องหลัง Deep Learning สมัยใหม่ ด้วยการอ่านคำอธิบายโดยละเอียดและการศึกษาตัวอย่างโค้ดที่ใช้งานได้จริง คุณจะได้เรียนรู้วิธีดึงรูปแบบที่มีความหมายจากชุดข้อมูลที่ซับซ้อน สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจไวยากรณ์พื้นฐานของ R และโครงสร้างข้อมูลที่จำเป็นสำหรับวิทยาศาสตร์ข้อมูล - ทำการทำความสะอาดและแปลงข้อมูลโดยใช้แนวทางปฏิบัติ Tidyverse สมัยใหม่ - นำอัลกอริทึม Machine Learning ไปใช้สำหรับการจำแนกประเภท การถดถอย และการจัดกลุ่ม - สำรวจสถาปัตยกรรม Deep Learning รวมถึงโครงข่ายประสาทเทียมแบบปัญญาประดิษฐ์ แบบสังวัตนาการ และแบบเวียนซ้ำ - ใช้ Feature Engineering และการลดมิติเพื่อปรับปรุงประสิทธิภาพของโมเดล - ฝึกฝนเวิร์กโฟลว์ R สมัยใหม่สำหรับการวิจัยที่ทำซ้ำได้และการปรับขนาดโมเดล หลักสูตรเริ่มต้นด้วยคำศัพท์หลักและการตั้งค่าสภาพแวดล้อมก่อนที่จะดำเนินการผ่านเทคนิคการเรียนรู้แบบมีผู้สอนและไม่มีผู้สอน คุณจะสรุปด้วยการสำรวจแอปพลิเคชัน Deep Learning และวิธีการจัดการข้อกำหนดการประมวลผลประสิทธิภาพสูงสำหรับโครงการข้อมูลขนาดใหญ่ หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นที่ต้องการเข้าสู่สาขาวิทยาศาสตร์ข้อมูล ไม่จำเป็นต้องมีประสบการณ์มาก่อนกับ Machine Learning หรือ Deep Learning เริ่มต้นการเดินทางของคุณสู่การสร้างแบบจำลองคาดการณ์และการวิเคราะห์ข้อมูลด้วย R วันนี้