در این دوره با استفاده از آخرین فن آوری های ارائه شده توسط زبان R مانند Rmarkdown و R-shiny، کشف و آماده سازی داده در R و RStudio،  آموزش، ارزیابی و بهبود عملکرد مدل، مفاهیم یادگیری ماشینی، پارادایم های یادگیری ماشینی و تکنیک های یادگیری ماشینی تحت نظارت آشنا می شوید.

سرفصل:

  • معرفی دوره
  • مزایای استفاده از مدل های یادگیری ماشینی
  • R برای یادگیری ماشینی
  • انتخاب یک الگوریتم یادگیری ماشینی
  • اکتشاف داده ها – نمونه آنلاین نمونه خرده فروشی
  • بررسی خوشه بندی K-Means
  • مدل خوشه بندی K-Means
  • آماده سازی داده ها با استفاده از مجموعه داده آنلاین خرده فروشی
  • تشخیص مدل – چگونه می توانم K را پیدا کنم؟
  • آموزش مدل شما
  • ارزیابی و بهبود مدل شما
  • تحلیل مولفه اساسی (PCA)
  • تحلیل مولفه اساسی (PCA) چیست؟
  • پیاده سازی و مصورسازی ویژگی های PCA
  • پیاده سازی و مصورسازی PCA Individuals
  • ارزیابی PCA
  • الگو کاوی
  • تحلیل بازار سبد برای داده های تراکنش
  • محاسبه مجموعه های آیتم
  • مصورسازی مجموعه های آیتم