Erste Schritte im Machine Learning mit R (E-Learning Kurs auf Englisch)

11,90 EUR inkl. MwSt./USt
Regulärer Preis
10,00 EUR zzgl. MwSt./USt.
Angebotspreis
10,00 EUR zzgl. MwSt./USt.
Regulärer Preis
Derzeit nicht verfügbar
Stückpreis
per 

Der Kurs wird komplett auf Englisch angeboten. Weitere Infos zum Anbieter findest du unter "Durchgeführt von". 

WICHTIG: mit Kursstart erlischt das Widerrufsrecht.  

Kursdetails auf Deutsch:

Maschinelles Lernen ist ein Teilgebiet der Informatik, das Computern die Fähigkeit verleiht, zu lernen, ohne ausdrücklich programmiert zu werden. Es befasst sich mit der Untersuchung und Konstruktion von Algorithmen, die aus Daten lernen und Vorhersagen treffen können. Die Sprache R ist unter Statistikern und Data Minern weit verbreitet, um statistische Software zu entwickeln und Datenanalysen durchzuführen. Maschinelles Lernen ist ein wachsender Bereich, der sich darauf konzentriert, Computern Arbeiten beizubringen, die traditionell dem Menschen vorbehalten waren; es ist ein funktionsübergreifender Bereich, der Konzepte aus der Statistik, der Mathematik, dem Software-Engineering und mehr verwendet.

In diesem Kurs werden Sie damit beginnen, Ihre Daten zu organisieren und dann Vorhersagen zu treffen. Dann werden Sie verschiedene Beispiele durcharbeiten. Das erste Beispiel demonstriert (unter Verwendung der linearen Regression) die Vorhersage der Mordverhaftungsrate auf der Grundlage von Verhaftungsdaten für einen bestimmten Staat. Hier werden Sie das R Studio und die Bibliotheken kennenlernen, erfahren, wie man die lineare Regression anwendet, wie man Testreihen auswertet und wie man Testergebnisse auf einer kartesischen Ebene aufträgt. Im nächsten Beispiel wird die logistische Regression zur Vorhersage für ein Klassifizierungsproblem bei Automobildaten verwendet: Auswahl von Motorzylindern nach Leistungsmerkmalen. Dieses Beispiel demonstriert die Kennzeichnung und Skalierung von Daten, die Funktionsweise der Kreuzvalidierung und die Anwendung der logistischen Regression. Schließlich werden Sie zum nächsten Beispiel übergehen - medizinische Daten über Diabetes -, bei dem Sie das Caret-Paket in R verwenden werden, um einige dieser Schritte zu vereinfachen.

Am Ende dieses Kurses werden Sie die Datenaufbereitung und die damit verbundenen Werkzeuge beherrschen: Regression und Klassifikation. Außerdem werden Sie gelernt haben, Vorhersagen über neue Beobachtungen zu treffen.

Stil und Herangehensweise

Diese Videos behandeln Schritt für Schritt die explorative Analyse, die Erstellung von Test-/Trainingsdatensätzen, Algorithmen und die relevanten Werkzeuge für maschinelles Lernen in R. Die Videos machen Sie auch mit den verfügbaren ML-Paketen in R vertraut. Zur Veranschaulichung dieser Konzepte wird eine Vielzahl von realen Problemtypen verwendet.

Was Sie lernen werden

In diesem Kurs werden Sie lernen, wie man:

Organisieren und Einrichten Ihrer Daten und Erstellen von Vorhersagen
Anwendung einer Vielzahl von Werkzeugen: Regression und Klassifizierung
Daten beschriften und skalieren und wie die Kreuzvalidierung funktioniert
Vorhersagen für neue Beobachtungen zu treffen
das Caret-Paket zu verwenden, um ein Modell anzuwenden und zu bewerten

Kursdetails auf Englisch:

 

Machine learning is a subfield of computer science that gives computers the ability to learn without being explicitly programmed. It explores the study and construction of algorithms that can learn from, and make predictions on, data. The R language is widely used among statisticians and data miners to develop statistical software and perform data analysis. Machine Learning is a growing field that focuses on teaching computers to do work that was traditionally reserved for humans; it is a cross-functional domain that uses concepts from statistics, math, software engineering, and more.

In this course, you will start by organizing your data and then predicting it. Then you will work through various examples. The first example will demonstrate (using linear regression) predicting the murder arrest rate based on arrest data for a given State. Here you will explore R Studio and libraries, how to apply linear regression, how to score test sets, and plotting test results on a Cartesian plane. Then the next example will use logistic regression to predict for a classification problem on automobile data: selecting engine cylinders by performance features. This example demonstrates labelling and scaling data, how cross-validation works, and how to apply Logistic regression. Finally, you will move on to the next example—medical data about Diabetes—where you will use the caret package in R to simplify some of these steps.

By the end of this course, you will have mastered preparing data and the tools involved: regression and classification. Additionally, you will have learned to make predictions on new observations.

Style and Approach

In a step-by-step manner, these videos will cover exploratory analysis, creating test/train data sets, algorithms, and then the relevant Machine Learning tools in R. The videos will also make you aware of available ML packages in R. A variety of real-world problem types will be used to illustrate these concepts.

What You Will Learn

In this course you will learn how to:

  • Organize and set up your data, and make predictions
  • Apply a variety of tools: regression, and classification
  • Label and scale data and how cross-validation works
  • Make predictions on new observations
  • Use the caret package to apply and score a model

Der Kurs wird komplett auf Englisch angeboten. Weitere Infos zum Anbieter findest du unter "Durchgeführt von". 

WICHTIG: mit Kursstart erlischt das Widerrufsrecht.  

Kursdetails auf Deutsch:

Maschinelles Lernen ist ein Teilgebiet der Informatik, das Computern die Fähigkeit verleiht, zu lernen, ohne ausdrücklich programmiert zu werden. Es befasst sich mit der Untersuchung und Konstruktion von Algorithmen, die aus Daten lernen und Vorhersagen treffen können. Die Sprache R ist unter Statistikern und Data Minern weit verbreitet, um statistische Software zu entwickeln und Datenanalysen durchzuführen. Maschinelles Lernen ist ein wachsender Bereich, der sich darauf konzentriert, Computern Arbeiten beizubringen, die traditionell dem Menschen vorbehalten waren; es ist ein funktionsübergreifender Bereich, der Konzepte aus der Statistik, der Mathematik, dem Software-Engineering und mehr verwendet.

In diesem Kurs werden Sie damit beginnen, Ihre Daten zu organisieren und dann Vorhersagen zu treffen. Dann werden Sie verschiedene Beispiele durcharbeiten. Das erste Beispiel demonstriert (unter Verwendung der linearen Regression) die Vorhersage der Mordverhaftungsrate auf der Grundlage von Verhaftungsdaten für einen bestimmten Staat. Hier werden Sie das R Studio und die Bibliotheken kennenlernen, erfahren, wie man die lineare Regression anwendet, wie man Testreihen auswertet und wie man Testergebnisse auf einer kartesischen Ebene aufträgt. Im nächsten Beispiel wird die logistische Regression zur Vorhersage für ein Klassifizierungsproblem bei Automobildaten verwendet: Auswahl von Motorzylindern nach Leistungsmerkmalen. Dieses Beispiel demonstriert die Kennzeichnung und Skalierung von Daten, die Funktionsweise der Kreuzvalidierung und die Anwendung der logistischen Regression. Schließlich werden Sie zum nächsten Beispiel übergehen - medizinische Daten über Diabetes -, bei dem Sie das Caret-Paket in R verwenden werden, um einige dieser Schritte zu vereinfachen.

Am Ende dieses Kurses werden Sie die Datenaufbereitung und die damit verbundenen Werkzeuge beherrschen: Regression und Klassifikation. Außerdem werden Sie gelernt haben, Vorhersagen über neue Beobachtungen zu treffen.

Stil und Herangehensweise

Diese Videos behandeln Schritt für Schritt die explorative Analyse, die Erstellung von Test-/Trainingsdatensätzen, Algorithmen und die relevanten Werkzeuge für maschinelles Lernen in R. Die Videos machen Sie auch mit den verfügbaren ML-Paketen in R vertraut. Zur Veranschaulichung dieser Konzepte wird eine Vielzahl von realen Problemtypen verwendet.

Was Sie lernen werden

In diesem Kurs werden Sie lernen, wie man:

Organisieren und Einrichten Ihrer Daten und Erstellen von Vorhersagen
Anwendung einer Vielzahl von Werkzeugen: Regression und Klassifizierung
Daten beschriften und skalieren und wie die Kreuzvalidierung funktioniert
Vorhersagen für neue Beobachtungen zu treffen
das Caret-Paket zu verwenden, um ein Modell anzuwenden und zu bewerten

Kursdetails auf Englisch:

 

Machine learning is a subfield of computer science that gives computers the ability to learn without being explicitly programmed. It explores the study and construction of algorithms that can learn from, and make predictions on, data. The R language is widely used among statisticians and data miners to develop statistical software and perform data analysis. Machine Learning is a growing field that focuses on teaching computers to do work that was traditionally reserved for humans; it is a cross-functional domain that uses concepts from statistics, math, software engineering, and more.

In this course, you will start by organizing your data and then predicting it. Then you will work through various examples. The first example will demonstrate (using linear regression) predicting the murder arrest rate based on arrest data for a given State. Here you will explore R Studio and libraries, how to apply linear regression, how to score test sets, and plotting test results on a Cartesian plane. Then the next example will use logistic regression to predict for a classification problem on automobile data: selecting engine cylinders by performance features. This example demonstrates labelling and scaling data, how cross-validation works, and how to apply Logistic regression. Finally, you will move on to the next example—medical data about Diabetes—where you will use the caret package in R to simplify some of these steps.

By the end of this course, you will have mastered preparing data and the tools involved: regression and classification. Additionally, you will have learned to make predictions on new observations.

Style and Approach

In a step-by-step manner, these videos will cover exploratory analysis, creating test/train data sets, algorithms, and then the relevant Machine Learning tools in R. The videos will also make you aware of available ML packages in R. A variety of real-world problem types will be used to illustrate these concepts.

What You Will Learn

In this course you will learn how to:

  • Organize and set up your data, and make predictions
  • Apply a variety of tools: regression, and classification
  • Label and scale data and how cross-validation works
  • Make predictions on new observations
  • Use the caret package to apply and score a model

Für alle fachlichen Workshops und virtuellen Live-Kurse gilt:

Nach Erwerb eines Workshop Platzes ("Ticket") werden den Teilnehmenden ca. eine Woche vor Workshop-Beginn die Logindaten zum virtuellen Schulungsraum sowie Schulungsmaterialien per Mail zur Verfügung gestellt.


Der Workshop wird in deutscher Sprache durchgeführt. Die Teilnehmenden benötigen eigene PCs mit dem Betriebssystem ihrer Wahl und Internet-Anschluss zum Zugriff auf die Schulungsumgebung.

Sollte der Workshop aufgrund von Krankheit, höherer Gewalt oder zu wenig Anmeldungen nicht durchgeführt werden können, informieren wir die Teilnehmenden schnellstmöglich. Der Ticketpreis wird in dem Fall erstattet.

Für alle Coachings und auf persönliche Kompetenzen ausgelegten Trainings gilt:

Nach Buchung eines Coachings wird der Sitzungstermin mit Ihrem Coach individuell ausgemacht. Wir treten mit Ihnen in Kontakt, um Ihre Wunschtermine zu erfragen und diese mit dem gebuchten Coach zu organisieren.

Die Sitzung kann in deutscher oder in englischer Sprache durchgeführt werden. Technische Voraussetzungen sind ein Live-Video-Stream in Bild und Ton fähiges Endgerät, ein Mikrofon und falls gewünscht eine Webcam. Wir empfehlen, während einer Sitzung eine stabile Internetverbindung oder ein WLAN zu nutzen.

Sollten Sie an der Sitzung nicht teilnehmen können, können Sie die Sitzung kostenlos auf einen Ausweichtermin verschieben.


Für alle E-Learning Kurse unseres Partners Shop Hackers gilt:

Achtung: alle E-Learning Kurse von Shop Hacker sind englischsprachig und vorgefertigt. Weitere Infos findest du in der jeweiligen Produktbeschreibung. Bitte prüfe nach deinem Einkauf dein Postfach (evtl. Spam) und registriere dich für deinen E-Learning Kurs. Solltest du einen weiteren Kurs bei uns einkaufen, wird dir dieser in deinem Academy Hacker Konto hinterlegt. WICHTIG: mit Kursstart erlischt das Widerrufsrecht. 

Du hast eine Frage oder wünschst ein individuelles Angebot für deine Firma? Dann kontaktiere uns gerne:

Shop Hacker, E-Learning Anbieter, Los Angeles

Wer steckt dahinter?

Shop Hacker ist unser internationaler Partner für E-Learning Kurse rund um IT-Themen. Da Shop Hacker aus den USA stammt, sind die Kurse ausschließlich in englischer Sprache verfügbar. 

"Academy Hacker" ist das Lernmanagementsystem (LMS) von Shop Hacker. Alle von dir erworbenen E-Learning Kurse von Shop Hacker sind, nach einmaligem Login, auf "Academy Hacker" zugänglich.

 

WICHTIG:

Nachdem du einen E-Learning Kurs von Shop Hacker gebucht hast, erhältst du eine E-Mail, mit der Bitte dich erstmalig bei Academy Hacker einzuloggen. Direkt im Anschluss kannst du dann auch schon loslegen – ganz flexibel, von den Endgeräten deiner Wahl.

Solltest du einen weiteren Kurs bei uns einkaufen, wird dir dieser in deinem Academy Hacker Konto hinterlegt. Bitte prüfe nach deinem Einkauf dein Postfach (evtl. Spam) und registriere dich für deinen E-Learning Kurs.