(1人评价)
零基础上手实战R语言版机器学习
价格 ¥ 499.00
课程介绍
陈老师:
专业资深讲师,2006年从事大数据相关的工作,2010年开始从事大数据培训工作。15人以上的大数据团队带队经验。承担过数据挖掘工程师、大数据架构师、数据科学家、大数据技术总监等职位。 精通大数据相关技术,熟悉关系型数据库oracle\MySQL\DB2,熟悉GreenPlum高并发数据库;精通hadoop、Hbase、HDFS、Hive、Pig、Hue、Spark等开源技术,对实时处理Storm、SparkStreaming有较深的认识,熟悉分布式MapReduce计算引擎。精通数据挖掘算法和解决方案。熟悉spss\R语言\SparkMLlib\Python等挖掘语言,熟悉决策树、K-means、神经网络、Logistc线性回归、Apriori算法、协同过滤等多种算法。熟悉区块链技术。 熟悉零售、电信、移动、电力、证券、网络、物流、医疗、银行、等行业
擅长课程:
1、大数据系列:java基础、linux基础、数据库实战、hadoop、spark、R语言、Python、spss、sas等
2、数据库系列:Oracle、mysql、DB2、SqlServer、GreenPlum
3、人工智能(R+Python):技术原理、数学、算法、架构、项目实践
4、机器学习:算法原理、项目流程、案例讲解、实操、Python、R语言
5、深度学习:算法原理、项目实操、TensorFlow、Caffe原理
4、企业级数据仓库:理论、EDW、cognos、obiee、ssas、informatica

 

本课程涵盖了几乎所有的数据挖掘的知识,对R语言基础知识进行细致的讲解,在数据挖掘方面和算法方面有很深的理论讲解。除了详实的理论讲解外,同时还阐述了技术架构和运用场景,并结合大量具体的实践案例,对每个知识点做了精细的讲解。可以讲从最基础的R语言,库开始,到具体的算法原理、实现、及企业实际应用场景全方位的讲解了基于R语言的数据科学技术

 

通过学习本课程,使学者可以很清晰的
知道什么是数据科学,数据科学的运用场景
知道数据挖掘基本的理论
了解数据挖掘思想
掌握R语言的基本知识
掌握R语言的基本包使用
掌握用R进行数据处理的能力
了解用R进行描述性统计分析
了解用R语言进行数据图形处理
了解缺失值的清洗能力和方法
熟悉用R语言建立数据挖掘模型
掌握爬虫技术的原理和案例
熟悉用R语言实现爬虫功能
了解数据科学常见的几种算法
动手实践数据挖掘的各种实际案例
熟悉挖掘分析的案例
了解数据科学在未来的发展趋势

 

适用人群

需要了解数据科学,或者需要熟知大数据技术,人工智能AI的人
无需具备数挖掘经验,只需要基本的数据库基础

就业方向

R语言数据分析/数据挖掘工程师
R语言机器学习应用开发工程师
R语言人工智能算法工程师
R语言数据科学家
 

 

第1章:数据科学简述
1、什么是数据科学
2、数据科学广义的定义
3、数据科学狭义的定义
4、与其他学科的关系
5、数据科学领域
6、数据科学概念图
7、数据科学三要数
8、流传已久德韦恩图
9、数据科学家的知识背景
10、学术数据科学家
11、八步成为数据科学家
12、数据科学未来发展的方向

第2章:数据挖掘方法和流程
1、数据挖掘体系结构
2、数据挖掘过程模型
1)Fayyad数据挖掘模型
2)CRISP-DM模型
3、数据挖掘基本流程
4、数据分析的原则
5、数据分析的步骤
6、数据集的概念
7、常用数据挖掘工具-SAS
8、常用数据挖掘工具-R语言
9、常用数据挖掘工具-SPSS
10.案例实操:使用R语言实现向量的例子

第3章:R语言概述与基本操作
1、R语言介绍
2、R语言的优势
3、R软件安装
4、R软件界面
5、工作目录
6、R语言的数据类型
7、对象及其属性
8、向量
9、矩阵和数组
10、列表和数据框
11、因子
12.常用数据的创建
13.控制流
14.运算符、函数和过程
15.实操:使用R语言实现向量的案例

第4章:R语言基础统计
1.基本函数介绍
2.基本函数案例演示
3.高级数学函数
4.高级数学函数演示
5.数据描述性分析:位置的度量
6.数据描述性分析:离散趋势的测度
7.实操:以鸢尾花数据集iris为例基本函数的应用

第5章:统计绘图
1.R语言绘图基础
2.颜色、文字元素、线元素
3.低级绘图函数
4.title函数、legend函数、坐标轴、边框、网格线、点
5.高级绘图函数
6.散点图、散点图矩阵、气泡图、饼图、直方图、箱线图、茎叶图
7.相关图、马赛克图、脸谱图、星相图

第6章:数据科学原理及应用一
1.时间时序算法原理
2.多元线性回归算法原理
3.logit回归算法原理
4.主成分分析算法原理
5.案例:使用金融行业-应用主成分分析做挖掘因子筛选

第7章:数据科学原理及应用二
1.聚类分析算法原理
2.关联规则分析算法原理
3.使用最近邻近法分类算法讲解
4.案例:基于关联算法的零售商品关联分析系统

第8章:数据科学原理及应用三
1.朴素贝叶斯分类算法原理
2.应用决策树进行分类算法原理
3.神经网络及支持向量机算法原理
4.案例:使用神经网络实现金融行业销售量预测系统

第9章:数据科学原理及应用四
1.协同过滤算法原理
2.基于内容协同过滤
3.基于产品协同过滤
4.案例:应用协同过滤算法实现电商个性化推荐系统

第10章:R语言文本挖掘和分析
1.网络爬虫介绍
2.常用爬虫技术
3中文乱码问题
4.RCurl技术详介
5.html技术分析
6.文本挖掘思想
7.词频统计原理
8.案例1:金融行业-搜索页面的爬取
9.案例2:基于R语言的新闻词频分析
10.案例3:基于R语言的词云统计

 

 

授课教师

学途无忧网合作讲师

课程特色

视频(63)
下载资料(1)

学员动态

长白山二当家 加入学习
加个鸡腿 加入学习
黄金背夹 加入学习
笑一笑 加入学习