Linguagem R + WEKA na veia: Analytics de verdade

Venha conhecer a área de Data Science com WEKA e R

3.88 (4 reviews)

Udemy

platform

Português

language

Other

What you will learn

Entendendo o R

Primeiros passos com o R

Objetos no R

Tipos de objetos

Matrizes

Listas

Identificação de valores faltantes e especiais

Salvar uma workspace

Acesso pelo R-studio

Entendimento dos diferentes tipos de pacotes

Trabalhando com leitura de arquivos externos

Lendo um arquivo na web

Selecionando dados

Gráficos (análise de dados e apresentação)

Tipos de gráficos: Histogramas, Ramo e Folha, Box-plot, Gráfico de dispersão,Gráfico de barras, Setores

Variáveis qualitativas: Nominais e Ordinais

Análise univariada e bivariada

Teste de uma distribuição normal

Comparação de duas médias

Regressão linear simples

Mineração de dados com o R

Instalação do R-studio e R

Uso do help

Vetores

Data frames

Funções

Workspace do r(área de trabalho)

Leitura de uma workspace

Pacotes do R

Uso dos comandos library, intall package,require

Leitura através do R-studio

Sumarizando dados

Uso dos conectores lógicos

Exportando gráficos

Programação: Comando FOR, Criando funções pelo R-studio, Uso de Estatísticas,

Variáveis quantitativas: Discretas e Continuas

Teste de hipóteses

Teste chi-quadrado para aderência

Comparação de médias múltiplas pelo teste de Tukey

Regressão linear múltipla

Uso do Google Vis ( biblioteca gráfica do Google)

Contexto da Mineração de Dados - Descoberta de conhecimento em banco de dados, Aplicações práticas

Entender o impacto da mineração de dados, Quais são os dados de entrada e saída na Mineração de Dados

Aprender as técnicas de Mineração de Dados (Conceitos Básicos, Aprendizado de Máquina)

Trabalhar com as técnicas: CLASSIFICAÇÃO, INDUÇÃO DE REGRAS, REGRAS DE ASSOCIAÇÃO, AGRUPAMENTO(CLUSTER) , REDES NEURAIS

Utilizar os algoritmos: ÁRVORES DE DECISÃO, APRIORI, KMEANS,ETC

Aprendizado Bayesiano (Operacionalização do conhecimento minerado e sua interpretação);

Validação do conhecimento descoberto;

Aprendendo a utilizar o WEKA: uma ferramenta Java para Classificação, Associação, Clustering e Previsão;

Explanação de Interfaces Visuais para interpretação e divulgação do conhecimento (Mineração Visual);

Entendimento e apresentação sobre MINERAÇÃO VISUAL- uso da biblioteca D3js

Course Gallery

Linguagem R + WEKA na veia: Analytics de verdade – Screenshot 1 — Screenshot 1 – Linguagem R + WEKA na veia: Analytics de verdade

Linguagem R + WEKA na veia: Analytics de verdade – Screenshot 2 — Screenshot 2 – Linguagem R + WEKA na veia: Analytics de verdade

Linguagem R + WEKA na veia: Analytics de verdade – Screenshot 3 — Screenshot 3 – Linguagem R + WEKA na veia: Analytics de verdade

Linguagem R + WEKA na veia: Analytics de verdade – Screenshot 4 — Screenshot 4 – Linguagem R + WEKA na veia: Analytics de verdade

Loading charts...

Linguagem R + WEKA na veia: Analytics de verdade

What you will learn

Entendendo o R

Primeiros passos com o R

Objetos no R

Tipos de objetos

Matrizes

Listas

Identificação de valores faltantes e especiais

Salvar uma workspace

Acesso pelo R-studio

Entendimento dos diferentes tipos de pacotes

Trabalhando com leitura de arquivos externos

Lendo um arquivo na web

Selecionando dados

Gráficos (análise de dados e apresentação)

Tipos de gráficos: Histogramas, Ramo e Folha, Box-plot, Gráfico de dispersão,Gráfico de barras, Setores

Variáveis qualitativas: Nominais e Ordinais

Análise univariada e bivariada

Teste de uma distribuição normal

Comparação de duas médias

Regressão linear simples

Mineração de dados com o R

Instalação do R-studio e R

Uso do help

Vetores

Data frames

Funções

Workspace do r(área de trabalho)

Leitura de uma workspace

Pacotes do R

Uso dos comandos library, intall package,require

Leitura através do R-studio

Sumarizando dados

Uso dos conectores lógicos

Exportando gráficos

Programação: Comando FOR, Criando funções pelo R-studio, Uso de Estatísticas,

Variáveis quantitativas: Discretas e Continuas

Teste de hipóteses

Teste chi-quadrado para aderência

Comparação de médias múltiplas pelo teste de Tukey

Regressão linear múltipla

Uso do Google Vis ( biblioteca gráfica do Google)

Contexto da Mineração de Dados - Descoberta de conhecimento em banco de dados, Aplicações práticas

Entender o impacto da mineração de dados, Quais são os dados de entrada e saída na Mineração de Dados

Aprender as técnicas de Mineração de Dados (Conceitos Básicos, Aprendizado de Máquina)

Trabalhar com as técnicas: CLASSIFICAÇÃO, INDUÇÃO DE REGRAS, REGRAS DE ASSOCIAÇÃO, AGRUPAMENTO(CLUSTER) , REDES NEURAIS

Utilizar os algoritmos: ÁRVORES DE DECISÃO, APRIORI, KMEANS,ETC

Aprendizado Bayesiano (Operacionalização do conhecimento minerado e sua interpretação);

Validação do conhecimento descoberto;

Aprendendo a utilizar o WEKA: uma ferramenta Java para Classificação, Associação, Clustering e Previsão;

Explanação de Interfaces Visuais para interpretação e divulgação do conhecimento (Mineração Visual);

Entendimento e apresentação sobre MINERAÇÃO VISUAL- uso da biblioteca D3js

Course Gallery

Related Topics