Corso completo per Data Science e machine learning con R

Da principiante a esperto nelle tecniche di Data Science con R: machine learning, network neurali, text mining e...

Ratings 4.73 / 5.00
Corso completo per Data Science e machine learning con R

What You Will Learn!

  • Ripasso delle basi di R e delle sue strutture dati
  • Ambienti di programmazione per il Data Science
  • Importazione di dataset in R
  • Creazione grafici ed esplorazione dataset
  • Manipolazione e gestione dataset
  • Preprocessing e pulizia dei dati per l'analisi
  • Introduzione al machine learning con R
  • Teoria e algoritmi di machine learning, metodi supervisionati e non supervisionati
  • Metodi ensemble: bagging, boosting
  • Validazione e valutazione dei modelli
  • Pulizia e analisi testi
  • Metodi per la Sentiment Analysis

Description

Questo corso sul Data Science con R nasce per essere un percorso completo su come si è evoluta l'analisi dati negli ultimi anni a partire dall'algebra e dalla statistica classiche. L'obiettivo è accompagnare uno studente che ha qualche base di R in un percorso attraverso le varie anime del Data Science.

Cominceremo con un ripasso delle basi di R, a partire dallo scaricamento e installazione, all'impostazione dell'ambiente di lavoro, passando per le strutture, la creazione di funzioni, l'uso degli operatori e di alcune funzioni importanti. 

Passeremo poi a vedere come manipolare e gestire un dataset, estrarne dei casi oppure delle variabili, generare dei dataset casuali, calcolare delle misure statistiche di base, creare grafici con i pacchetti Matplotlib e Seaborn.

Nelle sezioni successive cominciamo a entrare nel cuore del Data Science con R, a cominciare dal preprocessing: vediamo infatti come ripulire e normalizzare un dataset, e come gestire i dati mancanti. 

La sezione successiva ci permette di cominciare a impostare dei modelli di machine learning con Python: vedremo tutti gli algoritmi più comuni, sia supervisionati che non supervisionati, come la regressione, semplice, multipla e logistica, il k-nearest neighbors, il Support Vector Machines, il Naive Bayes, gli alberi di decisione e il clustering. 

Passeremo poi ai più comuni metodi ensemble, come il Random Forest, il Bagging e il Boosting, e all'analisi del linguaggio naturale e al suo utilizzo nel machine learning per la catalogazione dei testi.

Nelle ultime sezioni vedremo alcuni rudimenti di analisi temporale, sistemi di raccomandazione e social media mining.

Who Should Attend!

  • Chi conosce già un po' di programmazione R e vuole cominciare un percorso nel data science
  • Chi cerca un percorso completo per farsi un'idea delle tante anime del Data Science con R

TAKE THIS COURSE

Tags

  • Data Science
  • Machine Learning
  • R (programming language)

Subscribers

2432

Lectures

177

TAKE THIS COURSE



Related Courses