یادگیری ماشین با کاهش داده ها در اکسل، R، و Power BI

مشاهده لینک های LinkedInintin Helen، بخش بزرگی از نحوه علوم اطلاعات جهان است. اما آیا می دانستید که می توانید از برنامه های کاربردی مانند Excel، R و Power BI برای کاهش داده های با ابعاد بالا با مدل های یادگیری ماشین و الگوریتم استفاده کنید؟ در این دوره، مربی هلن دیوار به شما یک مرور کلی از یادگیری ماشین و تکنیک های کاهش داده را می دهد که شما را قادر به تجزیه و تحلیل مجموعه داده های بزرگ و تعیین روند با انواع طبقه بندی های مختلف. در مورد مدل های یادگیری ماشین مانند خوشه ها و الگوریتم تشخیص آنومالی. با توجه به تکنیک های کاهش داده های ابعاد و عددی، مدل های تحلیلی و ابزارهای تجسم در Excel، R و Power Bi، اطلاعات بیشتر در مورد فاصله، ابعاد ابعاد، ابعاد، ابعاد، ابعاد اندازه گیری داده های ابعاد و عددی را بررسی کنید. در طول راه، راهنمایی در مورد نحوه ادغام روش های خود، بنابراین شما می توانید آنها را برای به اشتراک گذاری با یک مخاطب گسترده تر مقیاس.

عنوان اصلی : Machine Learning with Data Reduction in Excel, R, and Power BI

سرفصل های دوره :

مقدمه:
از کاهش داده ها برای بینش های ارزشمند استفاده کنید
آنچه شما باید بدانید
معرفی پروژه دوره
پیکربندی Excel Solver Add-in
کار با R
پیکربندی R در قدرت BI
1. کار با مجموعه داده های بزرگ:
AI و یادگیری ماشین
Numerosity
ابعاد
جمع آوری یا گروه بندی داده ها
هیستوگرام
binning
همبستگی و کوواریانس
چالش: گرفتن داده ها
راه حل: گرفتن داده ها
2. خوشه بندی:
محاسبه فاصله
خوشه بندی سلسله مراتبی
Heatmaps و دندروگرام ها
K- به معنای خوشه بندی در یک بعد است
K- به معنای خوشه بندی در دو بعد است
تعیین k
چالش: خوشه بندی
راه حل: خوشه بندی
3. PCA:
تجسم PCA
استفاده از Solver Excel برای پیدا کردن راه حل ها
حل محورهای اصلی اجزای اصلی
EigenValues
eigenvectors
فضای پروژکتور PCA
طرح Scree
چالش: PCA
راه حل: PCA
4. انتخاب ابعاد:
تجزیه و تحلیل ابعاد بالقوه مدل
حذف یا جایگزینی مقادیر صفر
5. قدرت BI و R:
تنظیم R در ویرایشگر پرسنل قدرت
ایجاد کد سفارشی با R استاندارد ویژوال
چالش: قدرت BI
راه حل: قدرت BI
نتیجه گیری:
مراحل بعدی