Ihr Warenkorb
Keine Artikel in Ihrem Warenkorb
Data Science Data Science Fundamentals in R E-Learning Kurs
Data Science Fundamentals in R E-Learning Kurs
€139,00 €159,00

Woanders günstiger?

Lass uns wissen!

+31367601019 [email protected]

Data Science Fundamentals in R E-Learning Kurs

Marke: Data Science
|
Klicken um zu vergrößern
€139,00 €159,00 exkl. MwSt.
€161,24 €184,44 Inkl. MwSt.
  • Kaufen Sie 2 für je €155,82 und sparen Sie 2%
  • Kaufen Sie 3 für je €154,23 und sparen Sie 3%
  • Kaufen Sie 5 für je €147,87 und sparen Sie 7%
  • Kaufen Sie 10 für je €143,10 und sparen Sie 10%
  • Kaufen Sie 25 für je €135,15 und sparen Sie 15%
  • Kaufen Sie 50 für je €124,02 und sparen Sie 22%
  • Kaufen Sie 100 für je €111,30 und sparen Sie 30%
  • Kaufen Sie 200 für je €79,50 und sparen Sie 50%
Auf Lager
|
Bestellung vor 16.00 Uhr und heute starten.
Sie haben counting... stunden
  • 1 Jahr Zugang
  • Beginnen Sie noch heute
  • Teilnahmezertifikat
Informationen

Data Science Fundamentals Using R E-learning

Order this unique E-learning Data Science Fundamentals course in R online, 1 year 24/7 access to rich interactive videos, speech, progress monitoring through reports and tests per chapter to test the knowledge directly.

Kursinhalt

Fundamental Methods for Data Science in R

Data Science Fundamentals in R

Fundamental Methods for Data Science in R

  • start the course
  • distinguish data science from statistics and computer science
  • identify some of the problems data scientists solve
  • use various sources of data to learn data science
  • use data frames to store data in tables in R
  • use the R str function to display the internal structure of data
  • use summary statistics to catch problems before data analysis in R
  • use the rjson R package to import json formatted files
  • use the foreach loop in R
  • reshape values in your data in R
  • join data frames using the merge function in R
  • use the transpose function "t" in R
  • aggregate data frames in R
  • perform a fixed value imputation and perform a list wise deletion imputation in R
  • perform an imputation using the impute functions from the Hmisc package in R
  • use the R cut function to turn continuous data into discrete categories
  • identify the most frequently used functions for data analysis in R
  • fit a linear model using lm function in R
  • computing ANOVA using the aov function in R
  • extract coefficients from a modeling function in R
  • extract the fitted values from a modeling function in R
  • extract the residuals from a modeling function in R
  • calculate the variance-covariance matrix in R
  • calculate a confidence interval in R using confint
  • fit a generalized linear model using the glm function in R
  • use the ggplot2 library to plot models in R
  • compute the t-test in R
  • perform a TukeyHSD test in R
  • use the predict function in R
  • create a time series in R
  • use the forecast package in R
  • use common statistical methods for data analysis in R

Machine Learning Examples for Data Science in R

  • start the course
  • distinguish between supervised and unsupervised learning
  • perform classical multidimensional scaling using cmdscale in R
  • perform hierarchical cluster analysis in R
  • use the corclust function in the klaR package in R
  • perform k-means clustering on data in R
  • use the kselection package to select k for a k-means clustering in R
  • use the clusplot function to perform a cluster plot on a clara object in R
  • perform a fully C-Means clustering from the e1071 package in R
  • create a basic classification tree using rpart in R
  • create a basic regression tree using rpart in R
  • create a basic classification tree with the trees package in R
  • create a basic regression tree with the trees package in R
  • perform a K-Nearest Neighbor classification in R
  • use the randomforest package for classification in R
  • combine random forest ensembles into a single object in R
  • use random forests for unsupervised classification in R
  • use the clusplot function to perform a cluster plot on a pam cluster in R
  • build a naïve bayes classifier using the klaR package in R
  • use the lda function in R
  • use the qda function from the MASS package in R
  • perform a MDS using the mda package in R
  • use the SVM function from the e1071 library in R
  • perform a curve fit using the LOESS method in R
  • perform a PLS regression using the pls package in R
  • plot a smoothing spline from the splines packages in R
  • use the boosting function from the adabag package in R
  • use the bagging function from the adabag package in R
  • create a scatterplot matrix using the caret package in R
  • create an overlayed density plot using the caret package in R
  • create a 3D Scatterplot in R
  • provide a basic understanding of how to use common statistical methods for data analysis in R
Haben Sie nicht gefunden, wonach Sie suchen?
Lassen Sie uns helfen!
Eigenschaften
Produkt
Allgemeine Eigenschaften
Studiengebühr: 5 Stunden Dauer plus Übungen (variabel)
Sprache: Englisch
Online-Zugang: 1 Jahr
Teilnahmebescheinigung: Ja, nach 70% der erfolgreichen Einsätze
Fortschrittsüberwachung: Ja
Geeignet für Handys: Ja
Preisgekröntes E-Learning: Ja
Bewertungen
Durchschnitt von 0 Bewertungen
Kein Bewertungen
Lesen oder schreiben Sie einen Kommentar
Schreiben Sie eine Bewertung!




Wir benutzen Cookies nur für interne Zwecke um den Webshop zu verbessern. Ist das in Ordnung? Ja Nein Für weitere Informationen beachten Sie bitte unsere Datenschutzerklärung. »