|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/r-tidymodels-predictive-modeling/
课程评论：没有评论
Coursera课程：AI工程师教授R与tidymodels的机器学习与预测建模 本课程专为学习预测建模而设计，旨在帮助学员掌握使用R和tidymodels进行从数据预处理到模型评估的完整预测建模工作流程。 **课程亮点：** * **现场主义视角：** 课程以实际应用为导向，通过直播形式演示编码过程，不仅注重代码本身，更强调背后的逻辑和理念。 * **R与tidymodels的优势：** 介绍与tidyverse的高度集成性、模型封装能力、对流行算法（如XGBoost, LightGbm, CatBoost）的统一语法支持，以及实现从数据分割到模型验证一站式预测建模的能力。 * **全面预测建模工作流：** 涵盖从探索性数据分析（EDA）到数据分割、学习规则选择、特征工程、超参数调优及模型验证等关键步骤。 **课程目标：** * 学习机器学习的典型应用场景。 * 使用tidymodels包，从数据中预测目标变量。 **内容概述：** 1. **课程简介：** 阐述建模与预测建模的异同，以及选择R的tidymodels而非Python的scikit-learn的原因。 2. **机器学习与预测建模概述：** 介绍机器学习的基本概念，并深入讲解预测建模的整个流程。 3. **环境搭建：** 指导R及RStudio的安装与配置，以及项目文件的创建和必要的包的安装。 4. **tidymodels生态系统详解：** 逐一介绍tidymodels的核心包，包括tidyverse（数据处理）、rsample（数据分割）、parsnip（学习规则设置）、recipes（特征工程）、workflows（流程组合）、tune/dials（超参数调优）、yardstick（模型评估）、broom（模型整理）和DALEX（模型解释）。 5. **综合实战：** 通过一个完整的案例，将前面学到的所有步骤进行串联和应用，从EDA到最终的模型验证。 6. **总结：** 对整个课程内容进行回顾和梳理。 **先修知识：** 虽然课程允许R和tidyverse零基础学员学习，但具备基本知识将有助于更深入的理解。
※ 本コースはRとtidyvverseが未経験でも受講できますが，Rとtidyverseの基本的な知識があるとより一層理解が深まります．本コースは，予測モデリングに特化しています．予測モデリングとは，データから予測したい項目を予測する技術のことです．ビジネスにはとにかく不明確な問題が多いです．例えばこの部品の状態は正常か異常か？？今週の来客数はどれくらいだろうか？？この製品はいつ頃出荷できるのだろうか？？みたいなことが挙げられます．このような問題に対し，答えとなる予測値を算出する技術が予測モデリングです．例えばこの部品の状態は正常か異常か？？という問題に対し，異常と予測できれば，異常と予測した部品の出荷を取りやめるという方針が取れます．このようにとある問題に対し，正確な予測ができるとビジネスにおいて有利な方針を取ることができるのです！そんな予測モデリングをするためのパッケージとしてPythonのscikit-learnが有名ですが，Rにもtidymodelsというパッケージがあります．tidymodels，ちょっと聞きなれないかもしれませんが，実は予測モデリングのパッケージとしてとても優秀なんです！予測モデリングにRとtidymodelsを使用するメリットは以下になります．・連携性：tidymodelsはtidyverseと相性がよく，前処理⇔モデリングの行き来をスムーズでできるため，効率的にデータ分析プロジェクトを実施することができる！！・収納性：構築したモデルをデータフレームに格納できる！！・統一性：分析コンペで人気のアルゴリズムである勾配ブースティング（XGBoost, LightGbm, CatBoost）のパッケージを統一的な文法で扱える！！・一貫性：tidymodelsだけで，データ分割，学習ルール選定，特徴量エンジニアリング，ハイパラチューニング，モデル検証といった予測モデリングのワークフローを実現できる！！本コースは，tidymodelsを利用し，予測モデリングのワークフローを習得することを目指します！★本コースの目的★機械学習の典型的な利用方法を学習し，データから予測したい項目をtidymodelsを使用して予測できるようにすること！！★本コースの特徴★とにかく現場主義！！コーディングはライブ形式！！コードだけでなく，イメージも！！★本コースの内容★コース紹介概要モデリングと予測モデリングなぜPythonのscikit-learnではなくRのtidymodelsなのか全体像機械学習と予測モデリング概要機械学習STEP１：探索的データ分析STEP２：データ分割STEP３：学習ルール選定STEP４：特徴量エンジニアリングSTEP５：ハイパラチューニングSTEP６：モデル検証環境構築概要RのインストールRStudioのインストールRStudioの設定プロジェクトファイルの作成パッケージのインストール.Rprofileの作成tidymodels概要{tidyverse}探索的データ分析{rsample}データ分割{parsnip}学習ルール設定{recipes}特徴量エンジニアリング{workflows}レシピ＋学習ルール{tune}，{dials}ハイパラチューニング{yardstick}モデル評価{broom}モデル整理{DALEX}モデル解釈総合演習概要STEP１：探索的データ分析STEP２：データ分割STEP３：学習ルール選定STEP４：特徴量エンジニアリングSTEP５：ハイパラチューニングSTEP６：モデル検証総括まとめ
