|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/r-programlama-egitimi/
课程评论：没有评论
**课程名称：** A-Z 编程入门与数据科学（R语言） **课程概述：** 本课程旨在教授学习者掌握R语言编程基础，并将其应用于数据科学领域。课程内容涵盖了从编程入门到机器学习算法的实践应用，贯穿多个真实世界的数据分析项目。 **课程亮点：** * **编程基础：** 从零开始学习R语言编程，包括基本概念和数据结构（矩阵、数据框）。 * **数据可视化：** 学习如何使用R进行数据可视化，更直观地理解数据。 * **机器学习入门：** 深入了解并实践多种机器学习算法，包括： * 回归（Regresyon） * 决策树（Karar Ağaçları） * K近邻（k - En Yakın Komşu） * K均值（K - Ortalama） * 神经网络（Yapay Sinir Ağları） * **实际项目应用：** 通过一系列实践项目巩固所学知识，涵盖： * 房屋价格预测 * 汽车价值评估 * 保险产品销售预测 * 泰坦尼克号生还预测 * RFM模型客户分析与细分 * 关联规则分析与推荐系统（购物篮分析） * **客户分析：** 重点讲解客户分析中的RFM评分方法，提升商业洞察力。 * **端到端数据科学项目：** 课程最后包含两个完整的端到端数据科学项目，强调数据预处理、特征工程、模型构建（如随机森林）和最终预测的全过程。 * **持续更新与支持：** 课程内容将根据学习者反馈和机器学习领域的最新进展进行定期更新。学生可以在问答区获得7/24的技术支持。 **学习目标：** 完成本课程后，学习者将能够： * 熟练使用R语言进行数据分析和可视化。 * 理解并应用主要的机器学习算法。 * 独立完成端到端的数据科学项目。 * 运用RFM模型进行客户细分和分析。 * 构建数据驱动的推荐系统。 **课程结构（关键章节）：** 1. 编程入门与R语言基础 2. 数据结构（矩阵、数据框） 3. 数据可视化 4. 机器学习导论与核心算法实践 5. 关联规则分析与推荐系统 6. 客户分析（RFM模型） 7. 端到端数据科学项目实战（包括随机森林模型）
Dersimizde bulunan uygulamalı makine öğrenmesi projeleri ve diğer analitik projeler/adımlar:1 - Ev Fiyatları Tahmini2 - Otomobil Verisi Kullanarak Değerlendirme Tahmini3 - Sigorta Ürünlerinin Satış Tahmini4 - Titanic Kazasından Sağ Çıkacak İnsanların Tahmini5 - RFM Skorlama ile Müşteri Analitiği ve Segmentasyonu6 - Birliktelik Kuralları Analizi ile Sepet Analizleri ve Tavsiye Sistemleri 7 - Tüm Veriler İçin Gerekli Görselleştirmeler ve Veri Hazırlama SüreçleriKursumuzda ilk olarak Programlamaya Giriş yapacağız. Genel programlama becerileri kazandıktan sonra sıradaki bölümümüzde R Programlama Temellerini göreceğiz. Bu bölümlerde öğrendiklerimizi testler ile pekiştirdikten sonra Matrix ve Data Frame'leri işleyeceğiz. Ödevimizi tamamladıktan sonra Görselleştirme kısmında uygulamalı olarak veri görselleştirmeyi öğreneceğiz. Sonrasında Makine Öğrenmesine giriş yaparak, Regresyon, Karar Ağaçları, k - En Yakın Komşu, K - Ortalama algoritmalarını ve Yapay Sinir Ağlarını tartışacak ve onları gerçek veriler ile uygulamalı proje bazlı öğreneceğiz. Birliktelik Kuralları Analizi bölümümüzle Apriori algoritmasını uygulayacak ve tavsiye sistemleri dünyasını tartışacağız.Dersimizde ayrıca Müşteri Analitiği hakkında bilgiler de bulabilirsiniz. Müşteri analitiği bilgisi bir veri bilimcide olmazsa olmaz bir bilgidir. Biz de RFM skorlamaya değinerek sizlere müşteri analitiği uygulamaları hakkında bilgi sağlıyoruz.Dersimiz boyunca yaptığımız uygulamalı projelerin yanında, dersimizin son bölümünde ek olarak baştan sona uygulamalı iki adet veri bilimi projesi bulunuyor. Bu bölüm dersimiz boyunca öğreneceklerimizin bir tekrarı olmakla beraber üzerine yeni bilgiler katacağımız bir bölüm olacak. Verimizi alıp, eksik hücreleri doldurup görselleştirerek verimizi tanıyacak, yeni özellikler yaratacak ve en sonunda başka bir Makine Öğrenmesi algoritması olan Random Forest algoritmasını kullanarak bir tahmin modeli yaratacağız. Bu sayede bir veri bilimi projesinin adımlarını uçtan uca uygulamış olacağız. Diğer projemizde ise RFM skorlama yöntemi ile müşteri analitiği alanına giriş yapacağız!Sorularınızı soru - cevap bölümünde 7/24 bekliyor olacağım. Sorularınız gün içinde cevaplanacak, çok sık sorulan bir soru ise konuyla ilgili video ders eklenecektir. Güncellemeler sizlerden gelen önerilere ve makine öğrenmesi bölümüne öncelik verilmek üzere düzenli olarak devam edecektir.
