کورس یادگیری انجام پروژه های Data Science و یادگیری ماشینی در زبان R

با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با دیتا ساینس و یادگیری ماشینی و R یاد می گیرید.

عنوان اصلی : Data Science and Machine Learning with R Masterclass

سرفصل ها :

1. علم داده و ML با نمای کلی دوره R
2. علم داده چیست؟
3. مروری بر یادگیری ماشین
4. علم داده + بازار یادگیری ماشین
5. فرصت های شغلی DS+ ML
6. نقش های شغلی علم داده
7. شروع کار با R
8. مبانی R
9. فایل های R
10. R Tidyverse
11. آر استودیو
12. منابع R
13. معرفی بخش انواع داده ها و ساختارها
14. انواع پایه
15. وکتورها قسمت اول
16. بردار قسمت دوم
17. بردارها: مقادیر گمشده
18. بردارها: اجبار
19. وکتورها: نامگذاری
20. وکتور: متفرقه.
21. ایجاد ماتریس
22. کار با لیست ها
23. مقدمه ای بر چارچوب های داده
24. ایجاد فریم های داده
25. چارچوب داده ها: توابع کمک کننده
26. قاب های داده - تیبل ها
27. مقدمه بخش R متوسط
28. اپراتورهای رابطه ای
29. عملگرهای منطقی
30. بیانیه های مشروط
31. حلقه ها
32. توابع
33. بسته ها
34. عوامل
35. تاریخ و زمان
36. برنامه نویسی تابعی
37. واردات/صادرات داده
38. پایگاه های داده
39. دستکاری داده ها در مقدمه بخش R
40. داده های مرتب
41. اپراتور لوله
42. فعل فیلتر
43. فعل Select
44. فعل جهش یافته
45. فعل Arrange
46. فعل خلاصه کردن
47. Data Pivoting
48. دستکاری رشته
49. Web Scraping
50. JSON تجزیه
51. تجسم داده ها در R Intro
52. نقشه برداری زیبایی شناسی
53. قطعه های متغیر منفرد
54. قطعه های دو متغیر
55. وجوه، لایه بندی، و سیستم های مختصات
56. یک ظاهر طراحی و ذخیره
57. معرفی R Markdown
58. معرفی R Shiny
59. یک برنامه وب پایه
60. نمونه های دیگر برنامه های وب
61. مقدمه ای بر یادگیری ماشین قسمت 1
62. مقدمه ای بر یادگیری ماشین قسمت 2
63. مقدمه پیش پردازش داده
64. پیش پردازش داده ها
65. رگرسیون خطی: مقدمه مدل ساده
66. رگرسیون خطی: یک مدل ساده
67. مقدمه تجزیه و تحلیل داده های اکتشافی
68. تجزیه و تحلیل عملی داده های اکتشافی
69. رگرسیون خطی: معرفی مدل واقعی
70. رگرسیون خطی: یک مدل واقعی
71. مقدمه رگرسیون لجستیک
72. رگرسیون لجستیک در R
73. شروع شغل علم داده
74. ایجاد رزومه علم داده
75. شروع به کار آزاد