fbpx

資料科學學院 : 使用 R 語言精通資料科學

根據 TIOBE 指數顯示,R 語言十年來呈現穩定上升趨勢。在招聘資料科學家的幾家頂級公司中, R  語言使用程度非常高。現代經濟中最優秀的兩家公司——Google 和 Facebook 都有使用 R 語言資料科學家。 除了像 Google、Facebook 和 Microsoft 這些科技巨頭, R 語言在美國銀行、福特、TechCrunch、Uber 和 Trulia 等眾多公司也都有廣泛的應用。

本課程由有五年以上資料科學經驗的牛津大學博士,提供從統計建模到視覺化到機器學習的各方面資料科學的堅實基礎。課程不會在統計和機器學習說完就停止。還將介紹資料探勘、網絡擷取、文本探勘和自然語言處理,並在本課程中處理空間資料。

從這 30 小時的課程,你會學到

  • 精通資料科學,處理從不同來源收集的真實資料
  • 開展資料探索和預處理任務,如製表、視覺化和資料匯總
  • 能夠從不同的來源讀取資料(包括網頁資料)和清理資料
  • 進行資料視覺化並了解何種技術可應用以及於何時應用
  • 實踐包含T-檢驗和線性迴歸等的 R 中最常用的統計資料分析技術
  • 了解機器學習與統計資料分析的區別
  • 於真實生活資料實施各種的無監督學習技術
  • 於真實的資料以分類和迴歸兩種形式實施監督學習技術
  • 評估機器學習模型的準確性和一般性
  • 用 R 進行空間資料 ( Spatial Data ) 分析
  • 用 R 進行文字探勘和 NLP ( natural language processing )

要求

  • 學生應該能夠在初級階段使用電腦,包括能夠安裝程式
  • 渴望學習資料科學
  • 之前曾接觸過 R 和 R Studio 將有幫助
  • 有基本的統計概念將有幫助,但不是必要的

課程說明

預計課程內容會超過+40小時!更多的內容每天都在增加

這是你掌握R統計建模、資料視覺化、機器學習和基礎深度學習的完整指南

將你的職業提升到下一個層次

本課程涵蓋了實踐資料科學的所有方方面面,讓此課程滿足你學 R 的資料科學一站到位的需求。

在課程結束時,你將能夠在 R 中儲存、過濾、管理和操作資料,從而提升你自己和公司的競爭優勢。

跟著 5+ 經驗的資訊科學家學習

我叫 MINERVA SINGH,是牛津大學哲學碩士(地理與環境)。我最近在劍橋大學(熱帶生態與保護)完成了博士學位。

我有幾年的使用資料科學相關技術分析不同資料來源的實際經驗,並為國際同行評審的期刊製作出版物。

在我的研究過程中,我發現幾乎所有的 R 資料科學課程和書籍都沒有考慮到這個主題的多維特性,而是將資料科學與機器學習交換使用。

這給學生在這主題上沒有一個完整的知識。本課程將為你提供從統計建模到視覺化到機器學習的各方面資料科學的堅實基礎。

除此之外,我們不會在統計和機器學習說完就停止。我們還將介紹資料探勘、網絡擷取、文本探勘和自然語言處理,並在本課程中處理空間資料

有了這麼多主題的嚴格基礎,你將成為一個無與倫比的資料科學家。

你將學到什麼?

本課程是獲得世界上最好的兩所大學嚴格培訓所獲得的統計數據分析技能的知識,熟練閱讀眾多書籍,並在 PLOS One 等著名國際期刊上發表豐富的論文。具體而言,課程將:

  1. 把你(即使你沒有 R 和/或統計背景)從基本級別提升到能使用強大的 R 工具來執行一些最常用的高級資料科學技術。
  2. 賦予你使用 R 進行資料建模的不同統計資料分析和視覺化任務的能力。
  3. 以實際的方式介紹一些最重要的統計和機器學習概念,以便將這些概念應用於實際的資料分析和解釋。
  4. 你將會對一些最重要的資料科學技術有深入的了解。
  5. 你將能夠決定哪些資料科學技術最適合回答你的研究問題,並適用於你的資料並解釋結果。

更具體地說,本課程涵蓋:

  • 以 R、R Studio 和 Rattle 開始運用不同的資料科學技術 。
  • 資料結構和讀 Pandas,包括CSV、Excel、JSONR、HTML資料。
  • 如何通過刪除 NAs / No 資料、處理條件資料、按屬性分組等來預處理和“拉皮” R 資料。
  • 製作資料視覺化,如直方圖、箱形圖、散點圖、條形圖、餅圖/折線圖等等!
  • 統計分析、統計推斷和變數之間的關係。
  • 機器學習、監督學習、無監督學習。
  • 以及更多!

我們將花一些時間來處理一些與資料科學相關的理論概念。 但是,大部分課程將著重於實現不同的實際資料技術並解釋結果。 每個影片後,你將學習一個新的概念或技術,你可能將其應用到你自己的專案。

不必要有先修 R 或統計/機器學習的知識:

你將首先吸收最有價值的 R 資料科學基礎知識和技術。我使用易於理解的實踐方法來簡化和解説 R 中最難懂的概念。

我的課程將幫助你使用從不同來源獲得的實際資料來實踐這些方法。許多課程使用的是捏造的資料,不能讓學生在實際情況實踐基於 R 的資料科學。

學完這門課程之後,你可以輕鬆使用像 caret、dplyr 這樣的軟體套件用 R 來處理實際資料。你甚至可以理解統計建模以及統計和機器學習之間的差異(包括實作技巧)。

我甚至會介紹一些非常重要的實際案例研究,例如使用機器學習來檢測貸款重新支付。

有了這個功能強大的多功能一體化資料科學課程,你將全面了解:視覺化、統計、機器學習、資料探勘和深度學習!

本課程的基本動機是確保你可以將基於 R 的資料科學應用到實際資料中。 開始分析你自己專案的資料,通過你的資料科學專案的實例來展現你的技術水準給你潛在雇主。

現在就報名吧! 除此之外,你還可以隨時獲得我的持續的線上支持,以確保你成功體驗本課程!

講師簡介

Minerva Singh   Udemy 暢銷講師與劍橋大學資料科學家

你好。我是劍橋大學博士畢業生,專攻熱帶生態學。我也是一名資料科學家。作為我的研究的一部分,我必須進行廣泛的資料分析,包括空間資料分析。為此,我傾向於使用免費軟體工具 R、QGIS 和 Python 的組合。我空間資料分析工作大部分使用 R 和 QGIS。除了免費,這些也有非常強大的資料視覺化、處理和分析能力。 我還擁有牛津大學的地理與環境碩士學位。通過如 The Analytics Edge(EdX提供的基於 R 的統計和機器學習課程)、Statistical Learning (Standford線上提供基於R的機器學習課程)的許多MOOC,我已經磨練了我的統計和資料分析技能。除了空間資料分析之外,我還精通統計分析、機器學習和資料探勘。我也喜歡一般的程式設計、資料視覺化和網頁開發。 除了作為一個科學家和數字分析狂,我還是個狂熱的旅行者。

Lahcen Bouya  Udemy 專家與諮詢

大家好!我的名字是 Lahcen。 我具有 3 年以上經驗的 Udemy 專家,已經幫助 100 位線上講師創建、優化和推廣他們的線上課程。

我已和許多沒有線上教學經驗和未在網路出現的講師合作,讓他們每月在 Udemy 有 $ 3,000 / $ 4,000 的收入。 我有幸與世界級的培訓師 Peter Thomson& Peter Kent 以及 Magoosh 和 Udemy 如此巨大平台合作。

我也是一個擁有 5 年經驗的線上行銷人員,專長於搜索引擎優化、社交媒體行銷和廣告。

英文字幕:有

  • 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

課程網址  | ♥找優惠折扣碼?| 課程討論專區


Sponsored by Udemy

也許你會有興趣

喜歡我們的分享嗎? 使用以下的社群分享按鈕分享給你的朋友吧!

Spread the love

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: