Intermediate
数据科学与R:机器学习

Data Science with R:
Machine Learning

这门35小时的机器学习与R课程介绍了机器学习算法的理论基础以及它们在R中的实际应用. 它将向您介绍数据挖掘, 性能测量和尺寸缩减, regression models, both linear and generalized, KNN and Naïve Bayes models, tree models, 支持向量机和关联规则进行分析. 成功完成本课程后, 你将能够分解主要机器学习算法背后的数学, 解释机器学习算法的原理, 并实施这些方法来解决现实世界的问题.

Clear
*非全日制课程的学费如在9个月内被接纳,可申请参加数据科学赌博10大排行网站营.
为应对COVID-19,国家重新开放, 我们所有的课程都可以在现场或远程/在线学习. 请以电邮方式注明您的选择 [email protected] after registering for our class
我们现在不提供这个课程. 请加入我们的候补名单,当它再次可用时,我们会通知您.
了解更多有关我们专业发展课程的信息.
DOWNLOAD COURSE INFORMATION

Product Description

Course Overview

这门35小时的机器学习与R课程介绍了机器学习算法的理论基础以及它们在R中的实际应用. 它将向您介绍数据挖掘, 性能测量和尺寸缩减, regression models, both linear and generalized, KNN and Naïve Bayes models, tree models, 支持向量机和关联规则进行分析. 成功完成本课程后, 你将能够分解主要机器学习算法背后的数学, 解释机器学习算法的原理, 并实施这些方法来解决现实世界的问题.

Prerequisites

  • Knowledge of R programming
  • 能用R语言整理、分析和可视化数据

Certificate

证书将在课程圆满结束时颁发. 学生的评估是基于他们所要求的家庭作业和期末项目(如适用)的表现的及格/不及格。. 学生完成80%的家庭作业,并参加85%以上的课程,才有资格获得结业证书.

Bundle Up, Learn More and Save More!
Browse Bundles
Bundle Up, Learn More and Save More!
Browse Bundles

Syllabus

第1单元:统计学基础与简单线性回归

  • Understand your data
  • Statistical inference
  • Introduction to machine learning
  • Simple linear regression
  • Diagnostics and transformations
  • The coefficient of determination

单元二:多元线性回归与广义线性模型

  • Multiple linear regression
  • Assumptions and diagnostics
  • Extending model flexibility
  • Generalized linear models
  • Logistic regression
  • Maximum likelihood estimation
  • Model interpretation
  • Assessing model fit

第三单元:kNN和朴素贝叶斯,维数的诅咒

  • The K-Nearest Neighbors Algorithm
  • K和距离度量的选择
  • 条件概率:贝叶斯定理
  • The Naive Bayes’ Algorithm
  • The Laplace estimator
  • Dimension reduction
  • The PCA procedure
  • Ridge and Lasso regression
  • Cross-validation

Unit 4: Tree Models and SVMs

  • Decision trees
  • Bagging
  • Random forests
  • Boosting
  • Variable Importance
  • 超平面与最大边缘分类器
  • 排序边距和支持向量分类器
  • Kernels and support vector machines

第5单元:聚类分析和神经网络

  • Cluster analysis
  • K-means clustering
  • Hierarchical clustering
  • Neural networks and perceptrons
  • Sigmoid neurons
  • Network topology and hidden features
  • 梯度下降的反向传播学习

Our Alumni Feedback

周末参加了R的机器学习课程. 课程帮助我理解了机器学习的基础知识,不同的模型. My instructor was Luke. 他非常乐于助人,并且会花足够的时间讨论每个主题. 他甚至还选修了一门额外的课程,因为他不想匆忙地学习材料. 总的来说,我对结果很满意. 你会把Luke推荐给其他任何对机器学习领域感兴趣的人吗.
Rahul Bhat
我本科在一所顶尖大学学习机械工程和物理,从事产品管理工作,重点是搜索. 我上这门课是为了满足个人对这一主题的兴趣,并让自己足够熟悉机器学习的基础知识,以便能够更深入地独自探索这一领域. 我还受到一个职业兴趣的激励:这个主题与我的领域高度相关, 我觉得对这些概念的理解以及如何运用它们会让我在长期的工作中做得更好. Prior to enrolling in the class, 我花了大约8-10个小时学习R,感觉准备充分(我以前有一些编程经验). 最后,我对这门课非常满意(周六在R上的机器学习), 8 hrs at a time). 课程和内容都很棒, the instructor, Luke, 是否很出色,作业是否具有挑战性和知识性. 我觉得这门课做得非常好,把每一门学科的核心基础知识和统计学联系起来, mathematical theory, derivations and best practices. 我们覆盖了很多材料,但这些材料有很多深度. 我认为主题的顺序也考虑得很好. 这门课要求很高,具有研究生水平课程的水准. 这门课程也在理论和实践之间取得了很好的平衡. After learning about a new model, 我们会立即在课堂上用R在我们自己的机器上实现它. Luke在将实现与概念联系起来,并教我们如何解释分析的结果方面做得特别好(后一点对我来说多么重要,我怎么强调都不过分)。. 他对主题的理解非常透彻, 他很有耐心,能回答问题, 对该理论提出了许多有见地的评论, implementations, and best practices, 他很关心他的学生. 家庭作业也很好地补充了课程, 帮助你理解课堂上教的方法以及如何理解你的作业. 如果您有兴趣在严格的格式中发展对机器学习基础知识的深刻理解, this class is for you. 我也非常推荐Luke作为一名讲师. He’s awesome! 我对自己选择的R班也很满意. R减少了模型实现中的许多摩擦, 这让我能够专注于对概念的理解和对结果的解释.
Lukasz
This course covers major R machine learning topics; it is intense, 如果你跟上节奏,你会学到很多. 闫舒老师擅长解释复杂的统计概念/公式,并将其转化为R编码技术. Course materials, in-class practices, 家庭作业对于学习和将来的参考都是有帮助的. 我将这门课程推荐给任何对数据科学/机器学习感兴趣但不太了解这一领域的人. 如果你打算在这个领域工作,这将是一个很好的开始. 它确实帮助我理解了很多关于数据科学的知识,并提高了我的R编码技能. 我从这门课程中学到的东西是值得我付出的金钱和努力的.
Tingyan Zheng

2015年,我选修了机器学习与R和Hadoop数据工程的课程. 他们都是结构良好的课程,广泛的信息覆盖和具体的学习过程设计. 所有在课堂上讲的技巧都非常实用,可以应用到工作中非常快. In addition, 这也是一个建立你的“数据科学”伙伴网络的好机会,因为你所有的同学都是这个领域的“专业人士”,有很多精彩的行业经验可以分享. 我肯定会向我的朋友推荐赌博10大排行网站!

Mark Li

随着商业世界变得越来越受数据驱动, 赌博10大排行网站的数据科学课程对于推动职业成功是无价的, 不仅适用于实际的数据科学从业者, 但那些每天与他们合作,执行从数据科学中收集的见解的人. 我刚刚完成了中级数据科学的R类课程,并立即从理解不同类型的高级分析技术的能力中受益,这些技术可以帮助我的客户解决他们的业务问题, 在战术层面上更好地与我们的数据科学团队沟通和合作,然后将他们的输出准确地翻译成我们客户的业务语言. 课程是全面的,薇薇安带来了很多的热情和奉献的课程,并确保她的学生的成功.

Margaret Hung
周末参加了R的机器学习课程. 课程帮助我理解了机器学习的基础知识,不同的模型. My instructor was Luke. 他非常乐于助人,并且会花足够的时间讨论每个主题. 他甚至还选修了一门额外的课程,因为他不想匆忙地学习材料. 总的来说,我对结果很满意. 你会把Luke推荐给其他任何对机器学习领域感兴趣的人吗.
Rahul Bhat
我本科在一所顶尖大学学习机械工程和物理,从事产品管理工作,重点是搜索. 我上这门课是为了满足个人对这一主题的兴趣,并让自己足够熟悉机器学习的基础知识,以便能够更深入地独自探索这一领域. 我还受到一个职业兴趣的激励:这个主题与我的领域高度相关, 我觉得对这些概念的理解以及如何运用它们会让我在长期的工作中做得更好. Prior to enrolling in the class, 我花了大约8-10个小时学习R,感觉准备充分(我以前有一些编程经验). 最后,我对这门课非常满意(周六在R上的机器学习), 8 hrs at a time). 课程和内容都很棒, the instructor, Luke, 是否很出色,作业是否具有挑战性和知识性. 我觉得这门课做得非常好,把每一门学科的核心基础知识和统计学联系起来, mathematical theory, derivations and best practices. 我们覆盖了很多材料,但这些材料有很多深度. 我认为主题的顺序也考虑得很好. 这门课要求很高,具有研究生水平课程的水准. 这门课程也在理论和实践之间取得了很好的平衡. After learning about a new model, 我们会立即在课堂上用R在我们自己的机器上实现它. Luke在将实现与概念联系起来,并教我们如何解释分析的结果方面做得特别好(后一点对我来说多么重要,我怎么强调都不过分)。. 他对主题的理解非常透彻, 他很有耐心,能回答问题, 对该理论提出了许多有见地的评论, implementations, and best practices, 他很关心他的学生. 家庭作业也很好地补充了课程, 帮助你理解课堂上教的方法以及如何理解你的作业. 如果您有兴趣在严格的格式中发展对机器学习基础知识的深刻理解, this class is for you. 我也非常推荐Luke作为一名讲师. He’s awesome! 我对自己选择的R班也很满意. R减少了模型实现中的许多摩擦, 这让我能够专注于对概念的理解和对结果的解释.
Lukasz
This course covers major R machine learning topics; it is intense, 如果你跟上节奏,你会学到很多. 闫舒老师擅长解释复杂的统计概念/公式,并将其转化为R编码技术. Course materials, in-class practices, 家庭作业对于学习和将来的参考都是有帮助的. 我将这门课程推荐给任何对数据科学/机器学习感兴趣但不太了解这一领域的人. 如果你打算在这个领域工作,这将是一个很好的开始. 它确实帮助我理解了很多关于数据科学的知识,并提高了我的R编码技能. 我从这门课程中学到的东西是值得我付出的金钱和努力的.
Tingyan Zheng

2015年,我选修了机器学习与R和Hadoop数据工程的课程. 他们都是结构良好的课程,广泛的信息覆盖和具体的学习过程设计. 所有在课堂上讲的技巧都非常实用,可以应用到工作中非常快. In addition, 这也是一个建立你的“数据科学”伙伴网络的好机会,因为你所有的同学都是这个领域的“专业人士”,有很多精彩的行业经验可以分享. 我肯定会向我的朋友推荐赌博10大排行网站!

Mark Li

随着商业世界变得越来越受数据驱动, 赌博10大排行网站的数据科学课程对于推动职业成功是无价的, 不仅适用于实际的数据科学从业者, 但那些每天与他们合作,执行从数据科学中收集的见解的人. 我刚刚完成了中级数据科学的R类课程,并立即从理解不同类型的高级分析技术的能力中受益,这些技术可以帮助我的客户解决他们的业务问题, 在战术层面上更好地与我们的数据科学团队沟通和合作,然后将他们的输出准确地翻译成我们客户的业务语言. 课程是全面的,薇薇安带来了很多的热情和奉献的课程,并确保她的学生的成功.

Margaret Hung

Campus Location

纽约第八大道500号905室,邮编10018
Nearby Subways
1 2 3 34th, Penn Station
A C E 34th, Penn Station
N Q R B D F M 34th, Herald Square
我们现在不提供这个课程. 请加入我们的候补名单,当它再次可用时,我们会通知您.

Instructors

Kathy Liu
Kathy Liu
Instructor
她在纽约大学获得数学博士学位,在乔治城大学获得硕士学位. 她专攻信息论和概率论. 凯西对教学充满热情,她在纽约大学上的数学和统计学课非常受欢迎,很快就招满了. 在再保险公司担任数据科学顾问后, Kathy意识到数据分析的力量和讲故事的乐趣, 然后她开始使用统计模型和数据可视化工具在斯特恩商学院和纽约大学Courant数学科学研究所进行合作研究. When not working, 你可以在戏院区看到凯西在看百老汇的演出, 在切尔西码头练习高尔夫球,在纽约北部徒步旅行.

Save More by Enrolling in a Bundle

Data Science with R
数据科学与R:数据分析与可视化
数据科学与R:数据分析与可视化
数据科学与R:机器学习
数据科学与R:机器学习
$5180.00
Total: $5180.00$4662.00
Data Science Mastery
数据科学与R:机器学习
数据科学与R:机器学习
数据科学与Python:机器学习
数据科学与Python:机器学习
大数据与亚马逊云,Hadoop/Spark和Docker
大数据与亚马逊云,Hadoop/Spark和Docker
$7970.00
Total: $7970.00$7410.00