NT$999
最新討論
課程資訊
適合對象
✔ 對於資料處理、分析、應用有興趣者
✔ 任何有興趣學習程式設計的人
你可以學到
✔ R語言入門
✔ R語言的資料視覺化及統計分析
✔ R語言的非監督式與監督式學習
✔ R語言預測模型案例應用
課程介紹
┃這堂課是什麼?
本課程使用近幾年大數據分析中最紅火的程式語言R/RStudio軟體,透過引導式教學與案例解說,
使學員瞭解統計分析、資料探勘與機器學習的原理與技巧、有能力進行相關的資料分析技術與資料視覺化整合應用,
進而提升在資料分析能力與幫助企業決策。
┃這堂課有多厲害?
✔ 非學不可的理由
從2012年的大數據所引起的資料分析的浪潮,到2016年AlphaGo所帶起AI風暴,資料分析已成為未來企業發展、國家人才培訓中最重要的課題之一,然後複雜的演算法,不易入門的程式語言,都讓大眾感到恐懼,無法親近這個劃時代的知識。
本課程將利用簡潔易學、應用範圍廣泛的R程式語言,帶領同學進入統計分析、資料探勘與機器學習的大門。
同學將不只學到「理論」,藉由手把手的實作,更能得到如何進行資料分析的「實務」,這是一門不可錯過的資料分析實作課程。
✔ 提拔講師是誰?
李明昌博士擅長於R語言程式設計、資料視覺化、資料探勘、統計品管等應用。
曾任職於民營機構,擔任教育部補助技專院校研究計畫的R軟體講師,更是積極到各大專院校與公民營機構演講,
在R語言的研究應用方面,更是不遺餘力。現職大專院校教師、專業訓練機構之講師。
┃如果我現在是...,學了有什麼好處呢?
✔ 學生:瞭解R語言,作為進入大數據分析領域的基礎,進行量化研究論文的工具
✔ 求職者:提升職前技能、擴大就業市場、自信加分、面試加分、薪資提高
✔ 在職者:
(1) 資料分析師:增加資料分析的工具、使用更多元的分析套件,提昇分析結果
(2) 中高階主管:增加資料視覺化、幫助資料結果更清晰,擬定策略更明確
┃我學了可以應用在哪裡?
✔ 熟悉使用R/RStudio軟體於資料服務應用
✔ 理解統計分析、資料探勘的常用技術
✔ 理解機器學習分析技巧
✔ 理解資料視覺化在提升資料分析價值的整合應用
✔ 購買課程即可加入FB私密社團【TibaMe 李明昌老師R語言交流站】與老師和同學們交流互動唷
┃其他學員也對以下課程感興趣
學習前基本能力
✔ 基礎電腦操作
學習前準備
課程資訊
關於講師
李明昌
單元介紹
R的歷史發展與特性
R下載、安裝與使用
熟悉R操作環境
RStudio下載、安裝與使用
R Commander下載、安裝與使用
熟悉RStudio操作環境
理解套件(Packages)功能、套件的下載與載入
認識說明文件
理解套件與說明文件使用
理解資料物件-向量、矩陣與陣列
理解資料物件-資料框與串列
理解資料物件-時間序列與空間資料
實例操作資料框資料
單元介紹
使用基礎繪圖
理解繪圖參數設定
實例解說繪圖與參數設定
理解資料輸入
理解資料轉換
理解資料編碼、篩選與合併
實例操作商業資料的轉換等資料處理方法
理解資料輸出
熟悉常用數學與統計函數
實例操作商業資料的統計分析
課程介紹
資料探勘跨產業標準流程(CRISP-DM)
R在訓練資料與測試資料操作
熟悉訓練資料與測試資料操作
R在模型評估準則1-混淆矩陣(Confusion matrix)
R在模型評估準則2-ROC曲線(ROC curve)
R在模型評估準則3-K摺交叉驗證(K-fold Cross Validation)
熟悉模型評估準則
Apriori演算法-以收入調查為例
理解 arules 套件使用
關聯規則的視覺化
K-means演算法-以iris為例
理解 kmeans 函數使用
階層式演算法-以iris為例
理解 hclust 函數使用
R在監督式學習應用-決策樹與R套件
認識 rpart 套件
CART演算法-以credit為例
理解 rpart 套件使用
條件推論樹範例-以iris為例
理解 party 套件使用
隨機森林法範例-以iris為例
理解 randomForest 套件使用
課程介紹
預測模型評估
R在移動平均法的應用
R在指數平滑法應用
熟悉移動平均法與指數平滑法應用
線性迴歸模型 lm 函數的使用
線性迴歸模型的評估
理解線性迴歸模型的使用與模型評估
穩健迴歸(Robust Regression)簡介 01:16
穩健迴歸 rlm 函數範例-以house price為例 03:52
理解 rlm 函數使用
非線性方法簡介 01:21
非線性方法範例-以USPop為例 03:54
理解 nls 函數使用
LASSO演算法簡介
LASSO演算法範例-以Prostate Cancer為例 05:06
理解 lars 套件使用
廣義線性模型(Generalized Linear Models, GLM)簡介 02:50
廣義線性模型範例-以AFFAIR為例 08:37
理解 glm 函數使用
學習附件
購買此課程後,才能使用留言功能
目前尚無任何討論主題
成為第一個發問的人!在問答中找到學習的捷徑。關於講師
李明昌