We may earn an affiliate commission when you visit our partners.
Valentina Porcu
Questo corso sul Data Science con R nasce per essere un percorso completo su come si è evoluta l'analisi dati negli ultimi anni a partire dall'algebra e dalla statistica classiche. L'obiettivo è accompagnare uno studente che ha qualche base di R in un percorso attraverso le varie anime del Data Science.
Cominceremo con un ripasso delle basi di R, a partire dallo scaricamento e installazione, all'impostazione dell'ambiente di lavoro, passando per le strutture, la creazione di funzioni, l'uso degli operatori e di alcune funzioni importanti.
Read more
Questo corso sul Data Science con R nasce per essere un percorso completo su come si è evoluta l'analisi dati negli ultimi anni a partire dall'algebra e dalla statistica classiche. L'obiettivo è accompagnare uno studente che ha qualche base di R in un percorso attraverso le varie anime del Data Science.
Cominceremo con un ripasso delle basi di R, a partire dallo scaricamento e installazione, all'impostazione dell'ambiente di lavoro, passando per le strutture, la creazione di funzioni, l'uso degli operatori e di alcune funzioni importanti.
Read more
Questo corso sul Data Science con R nasce per essere un percorso completo su come si è evoluta l'analisi dati negli ultimi anni a partire dall'algebra e dalla statistica classiche. L'obiettivo è accompagnare uno studente che ha qualche base di R in un percorso attraverso le varie anime del Data Science.
Cominceremo con un ripasso delle basi di R, a partire dallo scaricamento e installazione, all'impostazione dell'ambiente di lavoro, passando per le strutture, la creazione di funzioni, l'uso degli operatori e di alcune funzioni importanti.
Passeremo poi a vedere come manipolare e gestire un dataset, estrarne dei casi oppure delle variabili, generare dei dataset casuali, calcolare delle misure statistiche di base, creare grafici con i pacchetti Matplotlib e Seaborn.
Nelle sezioni successive cominciamo a entrare nel cuore del Data Science con R, a cominciare dal preprocessing: vediamo infatti come ripulire e normalizzare un dataset, e come gestire i dati mancanti.
La sezione successiva ci permette di cominciare a impostare dei modelli di machine learning con Python: vedremo tutti gli algoritmi più comuni, sia supervisionati che non supervisionati, come la regressione, semplice, multipla e logistica, il k-nearest neighbors, il Support Vector Machines, il Naive Bayes, gli alberi di decisione e il clustering.
Passeremo poi ai più comuni metodi ensemble, come il Random Forest, il Bagging e il Boosting, e all'analisi del linguaggio naturale e al suo utilizzo nel machine learning per la catalogazione dei testi.
Nelle ultime sezioni vedremo alcuni rudimenti di analisi temporale, sistemi di raccomandazione e social media mining.
Register for this course and see more details by visiting:
OpenCourser.com/course/bnski9/corso
Here's a deal for you
We found an offer that may be relevant to this course.
Save money when you learn.
All coupon codes, vouchers, and discounts are applied automatically unless otherwise noted.
UDEAFNULP2024
What's inside
Syllabus
Introduzione
Data Science e Machine learning
Il processo di analisi
Codice del corso
Read more
Syllabus
Introduzione
Data Science e Machine learning
Il processo di analisi
Codice del corso
Read more
Basi di R
Installare R
Installare RStudio
Personalizzare e utilizzare RStudio
Utilizzare altri IDE
R pro e contro
Commentare il codice
Operazioni matematiche di base
Creazione di oggetti
Le parentesi
Tipi di variabili in statistica
Le strutture dati in R
Vettori
Matrici
Array
Liste
Fattori
Dataframe
Stringhe
Date
Convertire le strutture dati
R base versus tidyverse
Operatori relazionali
Strutture di controllo
Funzioni
Impostare una directory di lavoro
Installare e richiamare un pacchetto
Formati dati e fonti comuni per l'analisi
Importazione dati
Files csv
Files Excel
Files txt
Subsetting
La famiglia apply
Manipolazione dati con dplyr
Altri pacchetti per la manipolazione dati
Unire due dataset
Analisi esplorativa
La funzione set.seed
Data cleaning
Alcuni metodi per la preparazione dei dati
Il pacchetto outliers
Forzare una variabile come fattore
Codificare le variabili categoriche
Standardizzazione dei dati
Machine learning
Introduzione al machine learning
Fasi del machine learning
Tipi di algoritmi per il machine learning
Problemi del machine learning
Metodi supervisionati
Analisi di regressione
Regressione lineare semplice
Regressione multipla in R
Classificazione
Regressione logistica in R
k-nearest neighbors
Calcolo della distanza
La distanza euclidea
Esempio di k-nn con R
Support Vector machines
Divisione dei dati in spazi non lineari
Esempi di SVM con R
Alberi di decisione
Esempi di DT con R
Il calcolo delle probabilità
Probabilità e metodo predittivo
Esempio di Naive Bayes con R
Metodi non supervisionati
Clustering
L'algoritmo kmeans
Esempio di kmeans con R
Analisi delle associazioni
Apriori con R
Metodi ensemble
Bagging
Boosting
Random Forest
XGBoost
Esempi di metodi ensemble con R
Tecniche per la riduzione della dimensionalità
Riduzione della dimensionalità con R
Text mining
L’uso del machine learning nell’analisi dei testi
Natural Language Processing
Trattamento e pulizia dei testi
Vettorializzazione di un testo
Misurare la distanza tra due testi
TF-IDF
Tipi di strutture per l'analisi
Le espressioni regolari con R
Naïve Bayes in R sullo spam
Good to know
Good to know
Know what's good ,
what to watch for , and
possible dealbreakers
Sviluppa solide competenze in Data Science con l'utilizzo di R
Fornisce una panoramica completa del settore della Data Science
Introduce i concetti chiave di algebra e statistica classica
Include sessioni pratiche con esercizi e progetti
Adatto a studenti con conoscenze di base di R
Presenta il linguaggio R con chiarezza ed esempi
Save this course
Save Corso completo per Data Science e machine learning con R to your list so you can find it easily later:
Save
Save
Activities
Be better prepared
before
your course. Deepen your understanding
during
and
after
it. Supplement your coursework and achieve mastery of the topics covered
in Corso completo per Data Science e machine learning con R with these
activities:
Review Probability and Statistics
Show steps
Ensure a strong foundation in probability and statistics.
Browse courses on
Probability
Show steps
-
Review the course materials.
-
Work through practice problems.
-
Seek additional resources if needed.
Preparare l'ambiente di lavoro R
Show steps
Rivedere le basi di R, inclusa l'installazione, l'impostazione dell'ambiente e la creazione di oggetti, vi aiuterà a preparavi per le parti più avanzate del corso.
Browse courses on
R
Show steps
-
Scaricare e installare R.
-
Installare e configurare RStudio.
-
Importare un dataset.
-
Creare un grafico semplice.
RStudio
Show steps
Review RStudio to ensure a strong foundation in using R
Browse courses on
RStudio
Show steps
-
Open and familiarize yourself with RStudio.
-
Review the RStudio documentation.
-
Complete a basic RStudio tutorial.
16 other activities
Expand to see all activities and additional details
Show all 19 activities
Gruppo di studio sul clustering
Show steps
Partecipare a un gruppo di studio sul clustering ti aiuterà a comprendere meglio i concetti e le tecniche di clustering.
Browse courses on
Clustering
Show steps
-
Trovare un gruppo di studio o forum online.
-
Partecipare alle discussioni e porre domande.
-
Aiutare altri studenti con le loro domande.
Sessioni di studio di gruppo sulla manipolazione dei dati
Show steps
Permette di condividere conoscenze, discutere tecniche e chiarire dubbi.
Browse courses on
Data Science
Show steps
-
Unisciti o forma un gruppo di studio con altri studenti del corso.
-
Discutete i concetti di manipolazione dei dati.
-
Risolvete insieme problemi e casi di studio.
Study Group
Show steps
Enhance comprehension and critical thinking through peer discussions.
Show steps
-
Form a study group with classmates.
-
Meet regularly to discuss course material.
-
Work together on assignments and projects.
Esercizi sul preprocessing dei dati
Show steps
Completare gli esercizi sul preprocessing dei dati ti aiuterà a padroneggiare le tecniche necessarie per pulire e preparare i tuoi dataset per l'analisi.
Browse courses on
R
Show steps
-
Trovare i valori mancanti in un dataset.
-
Normalizzare i dati.
-
Rimuovere i valori anomali.
Esercizi di subsetting e manipolazione dati
Show steps
Aiuta a rafforzare la comprensione delle tecniche di manipolazione e subsetting dei dati.
Show steps
-
Carica un dataset nel tuo ambiente R.
-
Usa le funzioni subsetting per estrarre variabili e casi specifici.
-
Usa la famiglia di funzioni apply per calcolare le statistiche sui dati.
Manipulate Data with dplyr
Show steps
Reinforce data manipulation skills with dplyr.
Browse courses on
Data Manipulation
Show steps
-
Import a dataset into R.
-
Use dplyr to filter, select, and summarize the data.
-
Create visualizations of the data.
K-Nearest Neighbors Algorithm
Show steps
Strengthen understanding of the k-nearest neighbors algorithm.
Browse courses on
Machine Learning
Show steps
-
Implement the k-nearest neighbors algorithm on a dataset.
-
Evaluate the performance of the model.
-
Optimize the hyperparameters of the model.
Tutorial sui modelli di machine learning
Show steps
Seguire i tutorial sui modelli di machine learning ti aiuterà a comprendere e implementare diversi algoritmi di machine learning.
Browse courses on
R
Show steps
-
Trovare un tutorial sui modelli di machine learning in R.
-
Seguire il tutorial.
-
Implementare l'algoritmo su un dataset.
Tutorial sulla regressione lineare
Show steps
Fornisce una comprensione più approfondita dei concetti di regressione lineare e migliora la capacità di implementarla in R.
Browse courses on
Machine Learning
Show steps
-
Segui un tutorial completo sulla regressione lineare in R.
-
Implementa un modello di regressione lineare su un dataset.
-
Interpreta i risultati del modello e valuta le sue prestazioni.
Machine Learning with SVM
Show steps
Enhance understanding of Support Vector Machines.
Browse courses on
Machine Learning
Show steps
-
Follow an online tutorial on SVM.
-
Implement SVM on a dataset using R.
-
Evaluate the performance of the model.
Progetto: Analisi esplorativa dei dati
Show steps
Condurre un'analisi esplorativa dei dati su un dataset ti aiuterà a comprendere meglio i tuoi dati e a identificare tendenze e modelli.
Browse courses on
R
Show steps
-
Importare un dataset.
-
Esplorare i dati utilizzando tecniche di analisi univariata e multivariata.
-
Creare visualizzazioni di dati per illustrare i tuoi risultati.
Progetto: Implementazione di un modello di classificazione
Show steps
Fornisce un'esperienza pratica nell'implementazione e nella valutazione di un modello di classificazione in R.
Browse courses on
Machine Learning
Show steps
-
Scegli un dataset adatto per un problema di classificazione.
-
Prepara e pulisci i dati.
-
Implementa e addestra un modello di classificazione (ad esempio, SVM, KNN).
-
Valuta le prestazioni del modello.
Write a Blog Post on Data Cleaning
Show steps
Develop a deeper understanding of data cleaning techniques and enhance communication skills.
Browse courses on
Data Cleaning
Show steps
-
Research and gather information on data cleaning.
-
Outline the key steps and best practices for data cleaning.
-
Write and edit the blog post.
Presentazione: Analisi di un modello di machine learning
Show steps
Preparare e presentare un'analisi di un modello di machine learning ti aiuterà a consolidare la tua comprensione e a sviluppare le tue capacità di comunicazione.
Browse courses on
R
Show steps
-
Scegliere un modello di machine learning.
-
Addestrare e valutare il modello.
-
Creare una presentazione per illustrare i risultati.
-
Presentare l'analisi a un pubblico.
Partecipa a una competizione di machine learning
Show steps
Metti alla prova le tue abilità, impara dalle tecniche di altri e approfondisci la tua comprensione del machine learning.
Browse courses on
Data Science
Show steps
-
Trova una competizione di machine learning adatta al tuo livello.
-
Costruisci un modello e invia la tua soluzione.
-
Analizza i risultati e impara dalle soluzioni degli altri partecipanti.
Contribute to tidyverse
Show steps
Gain practical experience in data manipulation and open source contributions.
Browse courses on
Open Source
Show steps
-
Identify an issue or feature request in tidyverse.
-
Propose and implement a solution.
-
Submit a pull request.
Review Probability and Statistics
Show steps
Ensure a strong foundation in probability and statistics.
Browse courses on
Probability
Show steps
Show steps
Show steps
- Review the course materials.
- Work through practice problems.
- Seek additional resources if needed.
Preparare l'ambiente di lavoro R
Show steps
Rivedere le basi di R, inclusa l'installazione, l'impostazione dell'ambiente e la creazione di oggetti, vi aiuterà a preparavi per le parti più avanzate del corso.
Browse courses on
R
Show steps
Show steps
Show steps
- Scaricare e installare R.
- Installare e configurare RStudio.
- Importare un dataset.
- Creare un grafico semplice.
RStudio
Show steps
Review RStudio to ensure a strong foundation in using R
Browse courses on
RStudio
Show steps
Show steps
Show steps
- Open and familiarize yourself with RStudio.
- Review the RStudio documentation.
- Complete a basic RStudio tutorial.
16 other activities
Expand to see all activities and additional details
Show all 19 activities
Gruppo di studio sul clustering
Show steps
Partecipare a un gruppo di studio sul clustering ti aiuterà a comprendere meglio i concetti e le tecniche di clustering.
Browse courses on
Clustering
Show steps
Show steps
Show steps
- Trovare un gruppo di studio o forum online.
- Partecipare alle discussioni e porre domande.
- Aiutare altri studenti con le loro domande.
Sessioni di studio di gruppo sulla manipolazione dei dati
Show steps
Permette di condividere conoscenze, discutere tecniche e chiarire dubbi.
Browse courses on
Data Science
Show steps
Show steps
Show steps
- Unisciti o forma un gruppo di studio con altri studenti del corso.
- Discutete i concetti di manipolazione dei dati.
- Risolvete insieme problemi e casi di studio.
Study Group
Show steps
Enhance comprehension and critical thinking through peer discussions.
Show steps
Show steps
Show steps
- Form a study group with classmates.
- Meet regularly to discuss course material.
- Work together on assignments and projects.
Esercizi sul preprocessing dei dati
Show steps
Completare gli esercizi sul preprocessing dei dati ti aiuterà a padroneggiare le tecniche necessarie per pulire e preparare i tuoi dataset per l'analisi.
Browse courses on
R
Show steps
Show steps
Show steps
- Trovare i valori mancanti in un dataset.
- Normalizzare i dati.
- Rimuovere i valori anomali.
Esercizi di subsetting e manipolazione dati
Show steps
Aiuta a rafforzare la comprensione delle tecniche di manipolazione e subsetting dei dati.
Show steps
Show steps
Show steps
- Carica un dataset nel tuo ambiente R.
- Usa le funzioni subsetting per estrarre variabili e casi specifici.
- Usa la famiglia di funzioni apply per calcolare le statistiche sui dati.
Manipulate Data with dplyr
Show steps
Reinforce data manipulation skills with dplyr.
Browse courses on
Data Manipulation
Show steps
Show steps
Show steps
- Import a dataset into R.
- Use dplyr to filter, select, and summarize the data.
- Create visualizations of the data.
K-Nearest Neighbors Algorithm
Show steps
Strengthen understanding of the k-nearest neighbors algorithm.
Browse courses on
Machine Learning
Show steps
Show steps
Show steps
- Implement the k-nearest neighbors algorithm on a dataset.
- Evaluate the performance of the model.
- Optimize the hyperparameters of the model.
Tutorial sui modelli di machine learning
Show steps
Seguire i tutorial sui modelli di machine learning ti aiuterà a comprendere e implementare diversi algoritmi di machine learning.
Browse courses on
R
Show steps
Show steps
Show steps
- Trovare un tutorial sui modelli di machine learning in R.
- Seguire il tutorial.
- Implementare l'algoritmo su un dataset.
Tutorial sulla regressione lineare
Show steps
Fornisce una comprensione più approfondita dei concetti di regressione lineare e migliora la capacità di implementarla in R.
Browse courses on
Machine Learning
Show steps
Show steps
Show steps
- Segui un tutorial completo sulla regressione lineare in R.
- Implementa un modello di regressione lineare su un dataset.
- Interpreta i risultati del modello e valuta le sue prestazioni.
Machine Learning with SVM
Show steps
Enhance understanding of Support Vector Machines.
Browse courses on
Machine Learning
Show steps
Show steps
Show steps
- Follow an online tutorial on SVM.
- Implement SVM on a dataset using R.
- Evaluate the performance of the model.
Progetto: Analisi esplorativa dei dati
Show steps
Condurre un'analisi esplorativa dei dati su un dataset ti aiuterà a comprendere meglio i tuoi dati e a identificare tendenze e modelli.
Browse courses on
R
Show steps
Show steps
Show steps
- Importare un dataset.
- Esplorare i dati utilizzando tecniche di analisi univariata e multivariata.
- Creare visualizzazioni di dati per illustrare i tuoi risultati.
Progetto: Implementazione di un modello di classificazione
Show steps
Fornisce un'esperienza pratica nell'implementazione e nella valutazione di un modello di classificazione in R.
Browse courses on
Machine Learning
Show steps
Show steps
Show steps
- Scegli un dataset adatto per un problema di classificazione.
- Prepara e pulisci i dati.
- Implementa e addestra un modello di classificazione (ad esempio, SVM, KNN).
- Valuta le prestazioni del modello.
Write a Blog Post on Data Cleaning
Show steps
Develop a deeper understanding of data cleaning techniques and enhance communication skills.
Browse courses on
Data Cleaning
Show steps
Show steps
Show steps
- Research and gather information on data cleaning.
- Outline the key steps and best practices for data cleaning.
- Write and edit the blog post.
Presentazione: Analisi di un modello di machine learning
Show steps
Preparare e presentare un'analisi di un modello di machine learning ti aiuterà a consolidare la tua comprensione e a sviluppare le tue capacità di comunicazione.
Browse courses on
R
Show steps
Show steps
Show steps
- Scegliere un modello di machine learning.
- Addestrare e valutare il modello.
- Creare una presentazione per illustrare i risultati.
- Presentare l'analisi a un pubblico.
Partecipa a una competizione di machine learning
Show steps
Metti alla prova le tue abilità, impara dalle tecniche di altri e approfondisci la tua comprensione del machine learning.
Browse courses on
Data Science
Show steps
Show steps
Show steps
- Trova una competizione di machine learning adatta al tuo livello.
- Costruisci un modello e invia la tua soluzione.
- Analizza i risultati e impara dalle soluzioni degli altri partecipanti.
Contribute to tidyverse
Show steps
Gain practical experience in data manipulation and open source contributions.
Browse courses on
Open Source
Show steps
Show steps
Show steps
- Identify an issue or feature request in tidyverse.
- Propose and implement a solution.
- Submit a pull request.
Career center
Learners who complete Corso completo per Data Science e machine learning con R will develop knowledge and skills
that may be useful to these careers:
Data Scientist
Data Scientist
A Data Scientist uses scientific methods, processes, algorithms and systems to extract knowledge and insights from data in various forms, both structured and unstructured. This course provides a solid foundation in the fundamental concepts of Data Science, making it an excellent starting point for aspiring Data Scientists. By teaching the basics of R, data manipulation, machine learning, and other essential topics, this course empowers learners to embark on a successful career in Data Science.
Machine Learning Engineer
Machine Learning Engineer
Machine Learning Engineers design, develop, and maintain machine learning models. This course provides a comprehensive overview of the Machine Learning lifecycle, from data preparation to model deployment. With a focus on supervised and unsupervised learning algorithms, feature engineering, and model evaluation, this course equips learners with the skills to excel in Machine Learning Engineering roles.
Data Analyst
Data Analyst
Data Analysts collect, clean, analyze, and interpret data to derive meaningful insights. This course introduces the fundamental concepts of data analysis, including data exploration, data visualization, and statistical modeling. By providing hands-on experience with R, this course empowers learners to extract valuable insights from data and communicate them effectively.
Statistical Programmer
Statistical Programmer
Statistical Programmers develop and implement statistical models and algorithms to analyze data. This course provides a strong foundation in statistical programming using R, covering topics such as data manipulation, statistical inference, and regression analysis. With a focus on practical applications, this course prepares learners for success in Statistical Programming roles.
Data Engineer
Data Engineer
Data Engineers design and build data pipelines and infrastructure to manage and process large volumes of data. This course provides an introduction to the core concepts of Data Engineering, including data integration, data quality management, and data warehousing. By teaching the basics of data structures, data cleaning, and data management tools, this course helps learners lay the groundwork for a successful career in Data Engineering.
Business Analyst
Business Analyst
Business Analysts use data to solve business problems and improve decision-making. This course provides a foundation in data analysis and visualization techniques, enabling learners to extract insights from data and communicate their findings effectively. With a focus on real-world business scenarios, this course prepares learners for success in Business Analyst roles.
Quantitative Analyst
Quantitative Analyst
Quantitative Analysts use mathematical and statistical models to analyze financial data and make investment decisions. This course provides an introduction to the fundamental concepts of quantitative finance, including risk management, portfolio optimization, and financial modeling. By teaching the basics of R, data analysis, and statistical modeling, this course empowers learners to build a solid foundation for a career in Quantitative Analysis.
Risk Analyst
Risk Analyst
Risk Analysts identify, assess, and manage risks within organizations. This course provides a comprehensive overview of risk management principles and techniques, covering topics such as risk identification, risk assessment, and risk mitigation. By providing hands-on experience with data analysis and modeling, this course equips learners with the skills to excel in Risk Analyst roles.
Fraud Analyst
Fraud Analyst
Fraud Analysts investigate and prevent fraudulent activities within organizations. This course provides an introduction to the principles and practices of fraud detection and prevention, covering topics such as fraud investigation, fraud risk assessment, and fraud analytics. By teaching the basics of data analysis, data visualization, and machine learning, this course empowers learners to build a solid foundation for a career in Fraud Analysis.
Credit Analyst
Credit Analyst
Credit Analysts assess the creditworthiness of individuals and businesses. This course provides a foundation in credit analysis principles and techniques, covering topics such as financial statement analysis, credit scoring, and loan underwriting. By teaching the basics of data analysis, statistical modeling, and risk assessment, this course prepares learners for success in Credit Analyst roles.
Market Researcher
Market Researcher
Market Researchers collect and analyze data to understand consumer behavior and market trends. This course provides an overview of market research principles and techniques, covering topics such as survey design, data analysis, and market segmentation. By teaching the basics of data visualization, statistical analysis, and consumer behavior, this course empowers learners to build a solid foundation for a career in Market Research.
Operations Research Analyst
Operations Research Analyst
Operations Research Analysts use mathematical and analytical techniques to solve complex business problems. This course provides an introduction to the fundamental concepts of operations research, covering topics such as linear programming, optimization, and simulation. By teaching the basics of data analysis, modeling, and problem-solving, this course prepares learners for success in Operations Research Analyst roles.
Actuary
Actuary
Actuaries use mathematical and statistical models to assess and manage financial risks. This course provides an overview of actuarial science principles and techniques, covering topics such as risk assessment, insurance pricing, and financial modeling. By teaching the basics of data analysis, probability theory, and financial mathematics, this course empowers learners to build a solid foundation for a career in Actuarial Science.
Software Engineer
Software Engineer
Software Engineers design, develop, and maintain software systems. This course may be useful for Software Engineers who want to expand their skills in data analysis and machine learning. By teaching the basics of R, data manipulation, and statistical modeling, this course can help Software Engineers build a foundation for developing data-driven applications.
Data Journalist
Data Journalist
Data Journalists use data to tell stories and inform the public. This course may be useful for Data Journalists who want to enhance their data analysis and visualization skills. By teaching the basics of R, data exploration, and data visualization, this course can help Data Journalists effectively communicate data-driven insights to their audience.
For more career information including salaries, visit:
OpenCourser.com/course/bnski9/corso
Reading list
We've selected nine books
that we think will supplement your
learning. Use these to
develop background knowledge, enrich your coursework, and gain a
deeper understanding of the topics covered in
Corso completo per Data Science e machine learning con R.
Questo libro fornisce una copertura completa della teoria e della pratica del riconoscimento di pattern e del machine learning, con particolare attenzione alle tecniche bayesiane.
Questo libro è un testo classico sulla statistica e il machine learning, con particolare attenzione all'utilizzo di R per l'analisi e la modellazione dei dati.
Questo libro fornisce una panoramica completa di R per la data science, con particolare attenzione all'utilizzo di R per l'analisi e la visualizzazione dei dati.
Save
Questo libro fornisce una panoramica completa del data mining, con particolare attenzione alle tecniche di scoperta della conoscenza nei dati.
Questo libro fornisce una panoramica completa dell'elaborazione del linguaggio naturale, con particolare attenzione all'utilizzo di R per l'analisi e il trattamento del testo.
Questo libro fornisce una panoramica completa delle tecniche di analisi avanzate, con particolare attenzione all'utilizzo di R per l'analisi e la modellazione dei dati.
Questo libro fornisce un'introduzione pratica al machine learning, con particolare attenzione alla comprensione intuitiva degli algoritmi e dei concetti di machine learning.
Questo libro fornisce una panoramica completa del text mining, con particolare attenzione all'utilizzo di R per l'estrazione di conoscenza dal testo.
Questo libro fornisce una copertura completa degli algoritmi di machine learning, con particolare attenzione all'utilizzo di R per l'implementazione e la valutazione dei modelli.
For more information about how these books relate to this course, visit:
OpenCourser.com/course/bnski9/corso
Share
Similar courses
Here are nine courses similar to
Corso completo per Data Science e machine learning con R.
Big Data Analytics con Python e Spark 2.4: il Corso Completo
OpenCourser.com/course/3dlacm/big
Big Data Analytics con Python e Spark 2.4: il Corso...
Most relevant
Python Pro - La Guida Completa, da Zero a Professionista
OpenCourser.com/course/7xb4ym/python
Python Pro - La Guida Completa, da Zero a Professionista
Most relevant
Natural Language Processing con Python: il Corso Completo
OpenCourser.com/course/aaadmw/natural
Natural Language Processing con Python: il Corso Completo
Most relevant
Corso ChatGPT: dal Machine Learning al Prompt Engineering
OpenCourser.com/course/9t0uab/corso
Corso ChatGPT: dal Machine Learning al Prompt Engineering
Most relevant
Corso Completo di Inglese: Inglese per Principianti
OpenCourser.com/course/9mirv6/corso
Corso Completo di Inglese: Inglese per Principianti
Most relevant
Fornire un feedback utile (Giving Helpful Feedback)
OpenCourser.com/course/akx3o8/fornire
Fornire un feedback utile (Giving Helpful Feedback)
Most relevant
Biochimica
OpenCourser.com/course/9i94x2/biochimic
Biochimica
Most relevant
Introduzione alla Data Visualization con Tableau
OpenCourser.com/course/19wrg6/introduzione
Introduzione alla Data Visualization con Tableau
Most relevant
Corso Match Analyst Professionista
OpenCourser.com/course/tt3ak0/corso
Corso Match Analyst Professionista
Most relevant
Effort
20 total hours
Via
Udemy
Instructor
Valentina Porcu
Language
Italiano
Good to know
Sviluppa solide competenze in Data Science con l'utilizzo di R
Fornisce una panoramica completa del settore della Data Science
Introduce i concetti chiave di algebra e statistica classica
Include sessioni pratiche con esercizi e progetti
Adatto a studenti con conoscenze di base di R
Presenta il linguaggio R con chiarezza ed esempi
Our mission
OpenCourser helps millions of learners each year. People visit us to learn workspace skills, ace their exams, and nurture their curiosity.
Our extensive catalog contains over 50,000 courses and twice as many books. Browse by search, by topic, or even by career interests. We'll match you to the right resources quickly.
Find this site helpful? Tell a friend about us.
Affiliate disclosure
We're supported by our community of learners. When you purchase or subscribe to courses and programs or purchase books, we may earn a commission from our partners.
Your purchases help us maintain our catalog and keep our servers humming without ads.
Thank you for supporting OpenCourser.
© 2016 - 2024 OpenCourser