Certificação Em Aprendizagem De Máquinas Com Treinamento R

ACADGILD

Descrição do Programa

Leia a Descrição Oficial

Certificação Em Aprendizagem De Máquinas Com Treinamento R

ACADGILD

Acadgild é classificado como um dos Top 10 Worldwide Technology Boot Camps.

A profissão de analítica deve crescer para US $ 51 bilhões até 2016, tornando a Aprendizagem de Máquinas e R a maioria das habilidades em demanda de nossos tempos. Este curso sobre Aprendizado de Máquinas com R apresenta-lhe Algoritmos de Aprendizado de Máquinas com R, para ajudar as organizações empresariais a tomar decisões informadas.

Visão Geral do Curso

36 Horas de sessões de Mentoring

1.5hrs por Sessão | 200hrs de Atribuições e Projetos

Introdução ao Aprendizado de Máquina

Compreenda o modelo do sistema de aprendizagem, o treinamento, o teste, o desempenho, a estrutura de aprendizagem da máquina e as várias técnicas de aprendizagem.

Classificação do vizinho mais próximo

Conheça os classificadores baseados em instâncias, os classificadores mais próximos. Mestre a diferença entre a aprendizagem preguiçosa e ansiosa, compreenda as variações do k-NN, saiba como determinar o bom valor para k e quando considerar os vizinhos mais próximos. Aprenda a condensar problemas de vizinhança mais próxima e a classificação Bayes mais próxima.

Naive Bayes Learning

Aprenda a probabilidade condicional, mestre os conceitos básicos do teorema bayesiano, classificador de Bayes, parâmetros do modelo, treinamento Bayes nativo, tipos de erros, sensibilidade e especificidade, curva ROC, estimativa de retenção e validação cruzada.

Árvores de decisão

Compreender requisitos-chave, árvore de decisão como um conjunto de regras, como criar uma árvore de decisão e escolher atributos, heurística ID3, entropia, indução de árvores, divisão baseada em atributos ordinais. Determine a melhor separação e a força e fraqueza das árvores de decisão.

Regressão Logística

Aprenda modelo de regressão de resposta binária, saída de regressão linear do modelo proposto e trabalho sobre os problemas com modelo de probabilidade linear. Compreender a função logística, a regressão logística, a sua interpretação, o odds ratio, a qualidade das medidas de ajuste, a matriz de confusão.

Introdução à Análise de Cluster

Obtenha informações sobre os tipos de dados na análise de cluster, categorização dos principais métodos de agrupamento, métodos de particionamento, métodos hierárquicos, métodos baseados em densidade, métodos baseados em grade, métodos de cluster baseados em modelos e classificação supervisionada.

Principais Análises de Componentes (PCA) e Princípios de Previsão

Realize a maldição da dimensionalidade, redução de dimensão. Compreenda a importância da análise de fatores e componentes, análise de componentes principais, séries temporais básicas e seus componentes. Saiba mais sobre as médias móveis (simples e exponencial), a função incorporada de R't (), o planejamento de séries temporais, a previsão de negócios usando métodos de média móvel, o modelo ARIMA e as várias aplicações do modelo ARIMA nos negócios.

Programa do curso

  • Introdução à aprendizagem mecânica
  • Classificação vizinha mais próxima
  • Classificação Naive Bayes
  • Árvores de decisão - Parte I
  • Árvores de decisão - Parte II
  • Abordagens do Ensemble
  • Rede neural artificial
  • Rede Neural Artificial continuou
  • Projecto I
  • Projecto I cont ...
  • Classificadores de máquinas de vetor de suporte
  • Modelos lineares em R
  • Correlação e Regressão
  • Pressupostos na análise de regressão
  • Seleção de modelo em R
  • Criando o modelo
  • Regressão Logística
  • Introdução à Análise de Cluster
  • Análise de componentes principais (PCA)
  • Princípios de previsão
  • projeto II

Projetos que os alunos desenvolverão

Modelo de Classificação com Algoritmos

Este projeto visa a criação de modelos de classificação para o conjunto de dados de cogumelos com diferentes algoritmos de classificação.

Usando MNIST Data

Este projeto visa classificar os dígitos manuscritos usando os famosos dados MNIST.

Clustering Wine data

Este projeto visa agrupar os dados do vinho para determinar as quantidades de 13 constituintes encontrados em cada um dos três tipos de vinhos cultivados na Itália.

Algoritmo de Classificação de Naave Bayes

Este projeto visa criar o algoritmo de classificação Naave Bayes para classificar as pessoas como republicanas e democratas.

Serviço Especial do Banco

Este projeto é baseado em uma pesquisa com base nos serviços especiais oferecidos pelos Bancos para competir com seus rivais.

O que é este curso tudo isso?

A aprendizagem de máquinas é a ciência de fazer funcionar os computadores sem serem explicitamente programados. Neste curso, você aprenderá sobre as técnicas de aprendizado de máquinas mais eficazes e ganhará experiência ao implementá-las e fazê-las funcionar para você. Mais importante ainda, você aprenderá não apenas a parte teórica, mas também ganhará o know-how prático necessário para aplicar rapidamente e poderosamente essas técnicas a novos problemas. Finalmente, você aprenderá sobre algumas das melhores práticas de Silicon Valley em inovação no que se refere ao aprendizado de máquinas e AI (Inteligência Artificial)

Quem deve fazer este curso?

Graduados, graduados pós-graduados e doutorandos (da base estatística), profissionais de software de nível básico e qualquer pessoa interessada em carreira de análise de dados pode fazer este curso.

Quais são os pré-requisitos para este curso?

  • Microsoft® Windows® 7/8/10 (32 ou 64 bits)
    • 4 GB de RAM (recomendado)
    • Processador I3 ou superior
Essa escola oferece programas em:
  • Inglês


Última atualização November 21, 2017
Duração e Preço
Este curso é Online
Start Date
Data inicial
Set. 2018
Duration
Duração
Meio Período
Locations
EUA - Walnut, Califórnia
Data inicial: Set. 2018
Prazo para inscrição Solicitar Informações
Data de conclusão Solicitar Informações
Dates
Set. 2018
EUA - Walnut, Califórnia
Prazo para inscrição Solicitar Informações
Data de conclusão Solicitar Informações