目录
使用R语言实战机器学习
在大数据时代下,随之引起了数据挖掘,数据分析,机器学习等的迅速发展。于此同时,也让人们越来越注意到R语言功能的强大。R语言以其语法简单,做图优美,开元免费的特点,在企业里备受欢迎。随着大数据的火爆,R语言也能和Hadoop结合,成为能处理大量数据的RHadoop,再加上有些关系型数据库开始正式支持R语言,应用也会越来越广泛。
1.课程研发环境
R,Rstudio
2.内容简介
机器学习的核心主要侧重于找出复杂数据的意义。这是一个应用广泛的任务,机器学习的使用是非常广泛的。
本课程主要分为两个阶段,第一个部分:掌握R语言的处理数据的基本语法。第二部分:介绍机器学习原理,并通过大量的案例,为学员介绍R语言通过机器学习的算法来处理和解决实际问题。
实践阶段由浅入深并结合多个案例为学员展示机器学习方法是怎样解决实际问题的。通过这些案例,最终学员会驾驭R语言并利用R语言进行机器学习。
第一讲:介绍什么是机器学习以及R语言
第二讲:R语言基础——r语言结构:介绍常见的数据结构
第三讲:R语言基础——r语言管理数据:介绍导入导出文件等
第四讲:R建模基础——探索和理解数据:探索数据的结构和变量之间的关系
第五讲:机器学习——回归分析:以实际的案例为基础介绍回归分析
第六讲:机器学习——logistics回归:以实际的案例为基础介绍logistics回归
第七讲:机器学习——KNN:以实际的案例为基础介绍KNN
第八讲:机器学习——决策树: 以实际的案例为基础介绍决策树
第九讲:机器学习——朴素贝叶斯:以实际的案例为基础介绍朴素贝叶斯
第十讲:机器学习——聚类:以实际的案例为基础介绍聚类分析
第十一讲:机器学习——关联分析:以实际的案例为基础介绍关联分析
第十二讲:R语言——rattle包:为大家介绍R中可视化机器学习的rattle包(一)
第十三讲:R语言——rattle包:为大家介绍R中可视化机器学习的rattle包(二)
本系课程,主要分为两部分完成
第一部分:掌握R语言基本的语法。
第二部分:结束机器学习的知识点,通过一些实际的前端案例来强化同学们对该技术的灵活运用。
学完本系列课程后,学员将会达到以下学习目标:
能够利用R语言建立模型。
1.课程针对人群
对数据分析有兴趣,不论你是大学生还是职场老手都可以参加
2.我该怎么学,如何才能学好这门课程,给些建议。
2.1、时间上的安排建议
课程总计26课时,所以希望大家合理安排时间,每周至少学习4课时左右课程,这样才能有最好的授课体验,及进度。
2.2、学习要求
老师课堂演示的案例、效果或者布置的作业,希望大家课后务必自己思考并动手实践。
3、讲师建议
3.1.视频学习之后,希望大家先抛开视频,独立自己把上课中的示例写一遍,看自己是否理解,如果不正确,可以回过头看再看下视频,如果反复,达到真正理解和熟练掌握的目的。
3.2.对于项目实战部分,一定要自己亲自动手做一遍,不要满足听完就OK了
3.3. 建议一般听课,一般拿个纸和笔,做一些记录和笔记,这是一种非常好的学习习惯。
3.4. 一定不要过于依赖老师,要学会“试错”和使用百度,学会思考,学会举一反三
3.5. 最后祝您学有所成
课程是属于某个特定的专业技术,掌握该技术后,你可以从事以下职位的相关工作
1.业务数据分析师
2.建模分析师
3.大数据分析师