Orange , R e Weka - Estatística, Data Mining e Visualização
Trabalhe com dados utilizando algoritmos de Machine Learning e muitas informações visuais
4.41 (16 reviews)
107
students
10 hours
content
Oct 2024
last update
$19.99
regular price
What you will learn
Entendendo o R
Instalação do R-studio e R
Primeiros passos com o R
Uso do help
Objetos no R
Tipos de objetos
Vetores
Matrizes
Data frames
Listas
Funções
Identificação de valores faltantes e especiais
Workspace do r(área de trabalho)
Salvar uma workspce
Leitura de uma workspace
Acesso pelo R-studio
Pacotes do R
Entendimento dos diferentes tipos de pacotes
Uso dos comandos library, intall package,require
Trabalhando com leitura de arquivos externos
Leitura através do R-studio
Lendo um arquivo na web
Sumarizando dados
Selecionando dados
Uso dos conectores lógicos
Gráficos (análise de dados e apresentação)
Exportando gráficos
Tipos de gráficos: Histogramas, Ramo e Folha, Box-plot, Gráfico de dispersão,Gráfico de barras, Setores
Programação: Comando FOR, Criando funções pelo R-studio, Uso de Estatísticas
Variáveis qualitativas: Nominais e Ordinais
Variáveis quantitativas: Discretas e Continuas
Análise univariada e bivariada
Teste de hipóteses
Teste de uma distribuição normal
Teste chi-quadrado para aderência
Comparação de duas médias
Comparação de médias múltiplas pelo teste de Tukey
Regressão linear simples,Regressão linear múltipla
Mineração de dados com o R
Uso do Google Vis (biblioteca gráfica do Google)
Machine Learning
Agrupamento, descoberta de grupos em dados
Classificação e modelagem preditiva
Algoritmos de Mineração
Análise Estatística
Trabalhando Widget: Color, Distributions, Pivot Table
Trabalhando Widget: Feature Statistics, Data Sample
Trabalhando com Widget::Paint Data
Trabalhando com Widget::Outliers ,Scatter Plot
Trabalhando com : Create Class
Trabalhando com :Select By data index
Trabalhando com :Edit Domain
Trabalhando com: Freeviz
Trabalhando com: Árvore de Decisão
Trabalhando com: Cluster - Imagens
Trabalhando com: Correlação
Trabalhando com: Cluster – K-means
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
Loading charts...
Related Topics
2641766
udemy ID
05/11/2019
course created date
12/11/2019
course indexed date
Bot
course submited by