Katalog
/
Datenanalyse
/
Data Mining & Maschinelles Lernen mit R

Data Mining & Maschinelles Lernen mit R

Erschließen Sie die kombinierte Leistungsfähigkeit von Data Mining und maschinellem Lernen mit R in unserem Intensivtraining. Tauchen Sie tief in analytische Techniken ein und nutzen Sie die robusten Pakete und Frameworks von R.

Was werden Sie lernen?

Erweitern Sie Ihre Fähigkeiten im Bereich Data Mining und maschinelles Lernen mit R. In diesem 2-tägigen Intensivkurs werden die Teilnehmer:

• Umfassen Sie die Fähigkeiten von R: R als erstklassiges Werkzeug für statistische Berechnungen, Datenanalyse und Visualisierung kennenlernen.

• Kernkonzepte begreifen: Unterscheiden Sie zwischen statistischem Lernen und maschinellem Lernen, verstehen Sie den Kompromiss zwischen Vorspannung und Varianz und vieles mehr.

• Überwachtes Lernen beherrschen: Lernen Sie Techniken von der linearen Regression bis zu Entscheidungsbäumen kennen und verbessern Sie Ihre Fähigkeiten zur Vorhersagemodellierung.

• Unüberwachtes Lernen erforschen: Verstehen Sie die Feinheiten des Clustering, seine Herausforderungen und erforschen Sie Methoden jenseits von K-means.

• ‍Tauchen Sie in fortgeschrittene Themen ein: Verbessern Sie Ihre Vorhersagen mit Ensemblemodellen, Boosting und Dimensionalitätsreduktionstechniken. Am Ende dieses Kurses werden die Teilnehmer über eine solide Grundlage sowohl in den theoretischen als auch in den praktischen Anwendungen von Data Mining und maschinellem Lernen mit R verfügen.

Voraussetzungen:

Data Scientist Erfahrung: Dieser Kurs richtet sich an Teilnehmer mit Vorkenntnissen im Bereich Data Scientist, insbesondere im Bereich der analytischen Techniken.

Kursübersicht*:

*Wir wissen, dass jedes Team eigene Bedürfnisse und Spezifikationen hat. Deshalb können wir die Schulungsübersicht nach Bedarf anpassen.

1. Einführung in Data Mining und maschinelles Lernen

  • Unterscheidung zwischen statistischem Lernen und maschinellem Lernen
  • Grundlagen der Iteration und Auswertung
  • Navigieren durch den Bias-Variance Trade-off

2. Regressionstechniken

  • Grundlagen der linearen Regression
  • Erforschung von Verallgemeinerungen und Nichtlinearitäten
  • Praktische Übungen

3. Beherrschung der Klassifikation

  • Auffrischung der Bayes'schen Prinzipien
  • Techniken: Naive Bayes bis Neuronale Netze
  • Diskriminanzanalyse, logistische Regression und mehr
  • Eingehende Untersuchung von Support Vector Machines und Entscheidungsbäumen
  • Praktische Übungen

4. Kreuzvalidierung und Resampling

  • Tiefes Eintauchen in Techniken der Kreuzvalidierung
  • Erforschung der Bootstrap-Methode
  • Übungen zum Aufbau von Fertigkeiten

5. Abenteuer im unüberwachtem Lernen

  • Einführung in K-means Clustering
  • Eintauchen in reale Beispiele
  • Herausforderungen und fortgeschrittene Techniken über K-means hinaus

6. Fortgeschrittene Modellierungsthemen

  • Enträtseln von Ensemble- und gemischten Modellen
  • Techniken des Boosting
  • Praktische Anwendungsbeispiele

7. Erforschung der mehrdimensionalen Reduktion

  • Einführung in die Faktorenanalyse
  • Vertiefung in die Hauptkomponentenanalyse
  • Praktische analytische Beispiele.

Praxisnahes Lernen mit erfahrenen Trainern an Ihrem Standort für Organisationen.

1.797€*
Graph Icon - Education X Webflow Template
Niveau:
intermediate
Clock Icon - Education X Webflow Template
Dauer:
7
Stunden (Tage:
1
)
Camera Icon - Education X Webflow Template
Training angepasst an Ihre Bedürfnisse
Star Icon - Education X Webflow Template
Intensive praktische Erfahrung in einer speziellen Umgebung
*Der Preis kann je nach Teilnehmerzahl, Änderung des Programms, Standort usw. variieren.

Neue Fähigkeiten erlernen, angeleitet von erfahrenen Trainern von überall.

1.062€*
Graph Icon - Education X Webflow Template
Niveau:
intermediate
Clock Icon - Education X Webflow Template
Dauer:
7
Stunden (Tage:
1
)
Camera Icon - Education X Webflow Template
Training angepasst an Ihre Bedürfnisse
Star Icon - Education X Webflow Template
Reduzierte Schulungskosten
*Der Preis kann je nach Teilnehmerzahl, Änderung des Programms, Standort usw. variieren.