🚨 Time is Running Out: Reserve Your Spot in the Lucky Draw & Claim Rewards! START NOW
tonton sekarang
34 Siswa

Deskripsi

Apa Yang Akan Kamu Pelajari?

  • Anda akan tahu bagaimana dan mengapa menggunakan R untuk ilmu data dan pembelajaran mesin Anda akan mendapatkan tips dan saran praktis tentang karier Data Scientist Anda akan mengerjakan tugas-tugas praktis dan memeriksa studi kasus untuk sepenuhnya memahami dasar-dasar pemrograman R Anda akan dapat menggunakan fitur dan paket inti R

Persyaratan

  • Tidak diperlukan pengetahuan sebelumnya untuk mendaftar kursus ini Perangkat lunak dan data yang diperlukan dalam kursus akan disediakan secara gratis
  • NFT Certificate
  • 121 Pelajaran
  • Pemula
  • English
  • 4.6 Nilai
  • +100 XP

Share Course on Social media

Kurikulum

Course consist of total 22j 31m of content, in total.

Bagian 1: Bertemu Instruktur Anda
02:40
Join In Our Facebook and Telegram Group - $197 FREE Bonus
Bagian 2: Pengenalan Data Science
56:59
Pengantar Data Science
12:31
Bagaimana mengubah karier Anda menjadi ML bagian 1
14:56
Bagaimana mengubah karier Anda menjadi ML bagian 2
03:31
Bagian 3: Ikhtisar Kurikulum Kursus
22:41
Ikhtisar Kurikulum Kursus
22:41
Bagian 4: Pengenalan R
26:15
Pengenalan R
15:07
Menyiapkan R
11:08
Bagian 5: Pemrograman R
55:14
Operator R
13:45
Pernyataan & Loop Bersyarat R
12:02
Programming R - R Function #1
13:20
Programming R - R Function #2
10:10
Programming R - R Function #3
05:57
Bagian 6: Struktur Data R
49:23
Pengantar Struktur Data R + Vektor
11:13
Matrix, Array dan Data Frame
14:37
Lebih Jauh Tentang Data Frame R
13:02
Faktor
04:12
Struktur Data R - Daftar
06:19
Bagian 7: Impor dan Ekspor dalam R
32:16
Impor Data CSV dalam R
09:26
Impor Data Teks dalam R
03:19
Impor Excel, Data Web dalam R
12:47
Ekspor Data dalam R - Teks
02:37
Ekspor Data dalam R - CSV & Excel
04:07
Bagian 8: Manipulasi data
1:33:49
Manipulasi data - Apply Function
13:15
Manipulasi data - select
11:46
Manipulasi data - mutate
14:28
Manipulasi data - filter
14:11
Manipulasi data - arrange
09:38
Manipulasi data - Pipe Operator
08:30
Manipulasi data - group by
11:26
Manipulasi data - Date
10:35
Bagian 9: Visualisasi data
2:10:04
Pengantar Visualisasi Data & Plot Scatter
12:01
Visualisasi Data - mfrow
07:37
Visualisasi Data - pch
12:30
Visualisasi Data - Color
01:19
Visualisasi Data - Line Chart
03:21
Visualisasi Data - Bar Plot
07:05
Visualisasi Data - Pie Chart
06:43
Visualisasi Data - Histogram
07:06
Visualisasi Data - Density Plot
02:26
Visualisasi Data - Box Plot
05:01
Visualisasi Data - Mosaic Plot dan Heat Map
07:59
Visualisasi Data - 3D Plot
10:39
Plot Korelasi dan Word Cloud
09:02
Visualisasi Data - ggplot2 bagian 1
14:03
Visualisasi Data - ggplot2 bagian 2
08:08
Visualisasi Data - ggplot2 bagian 3
15:04
Bagian 10: Pengantar Statistik
2:02:57
Pengantar Statistik Bagian 1
13:25
Pengantar Statistik Bagian 2
08:53
Pengantar Statistik Bagian 3
14:55
Pengantar Statistik Bagian 4
04:15
Pengantar Statistik Bagian 5
15:10
Pengantar Statistik Bagian 6
08:21
Pengantar Statistik Bagian 7
15:04
Pengantar Statistik Bagian 8
10:45
Pengantar Statistik Bagian 9
10:24
Pengantar Statistik Bagian 10
14:34
Pengantar Statistik Bagian 11
07:11
Bagian 11: Pengujian Hipotesis
41:58
Pengujian Hipotesis Bagian 1
10:08
Pengujian Hipotesis Bagian 2
11:28
Pengujian Hipotesis Bagian 3
14:21
Pengujian Hipotesis Bagian 4
06:01
Bagian 12: Pengujian Hipotesis dalam Praktek
2:14:01
Pengujian Hipotesis dalam Praktek Bagian 1
15:04
Pengujian Hipotesis dalam Praktek Bagian 2
09:36
Pengujian Hipotesis dalam Praktek Bagian 3
14:16
Pengujian Hipotesis dalam Praktek Bagian 4
12:36
Pengujian Hipotesis dalam Praktek Bagian 5
10:29
Pengujian Hipotesis dalam Praktek Bagian 6
13:46
Chi Square Bagian 1
11:19
Chi Square Bagian 2
14:57
ANOVA Bagian 1
12:30
ANOVA Bagian 2
14:20
Apa yang kita bahas dalam bab ini sejauh ini?
05:08
Bagian 13: Machine Learning Toolbox
26:31
Machine Learning Toolbox Bagian 1
14:00
Machine Learning Toolbox Bagian 2
12:31
Bagian 14: Pengertian Kasus Bisnis
12:51
Pengertian Kasus Bisnis
12:51
Bagian 15: Pra-Pemrosesan Data
1:24:14
Pra-Pemrosesan Data bagian 1
14:45
Pra-Pemrosesan Data bagian 2
14:29
Pra-Pemrosesan Data bagian 3
10:25
Pra-Pemrosesan Data bagian 4
09:39
Pra-Pemrosesan Data bagian 5
12:33
Pra-Pemrosesan Data bagian 6
07:19
Pra-Pemrosesan Data bagian 7
15:04
Bagian 16: Pembelajaran Supervisi: Regresi
3:06:14
Regresi Linier bagian 1
11:47
Regresi Linier bagian 2
14:23
Regresi Linier bagian 3
20:21
Regresi Linier bagian 4
19:02
Regresi Linier bagian 5
25:00
Regresi Linier bagian 6
15:02
Regresi Linier bagian 7 - Korelasi Bagian 1
14:31
Regresi Linier bagian 7 - Korelasi Bagian 2
13:44
Regresi Linier bagian 8 - Regresi bertahap
12:52
Regresi Linier bagian 9 - Regresi bertahap
16:03
Regresi Linier bagian 10 - Variable Dummy
12:34
Regresi Linier bagian 11 - Non Linear
10:55
Bagian 17: Ikhtisar Klasifikasi
13:29
Ikhtisar Klasifikasi
13:29
Bagian 18: Regresi logistik
1:11:26
Intuisi Regresi Logistik
14:04
Implementasi Kode R Bagian 1
05:09
Implementasi Kode R Bagian 2
10:37
Evaluasi Model
12:28
Studi Kasus Telecom Churn
22:27
Ringkasan
06:41
Bagian 19: Studi K-NN
40:13
Intuisi K-NN
13:26
Penerapan Kode K-NN
12:48
Studi Kasus K-NN
13:59
Bagian 20: Studi SVM
45:18
SVM - Intuisi
08:44
SVM - R Code Implementation
08:22
SVM - Model Tuning
09:00
SVM -Studi Kasus Telecom
07:56
SVM - Kasus dan Pro dan Kontra yang Tidak Dapat Dipisahkan
07:27
Ringkasan Bab SVM
03:49
Bagian 21: Bayes Naif
36:46
Bayes Naif- Intuisi
19:56
Bayes Naif- Implementasi Kode R
08:25
Bayes Naif- Studi Kasus
08:25
Bagian 22: Pohon Keputusan
1:06:18
Intuisi Pohon Keputusan
14:54
Pohon Keputusan - Cara kerjanya
07:40
Pohon Keputusan - Implementasi Kode R
13:44
Pohon Keputusan - Pruning
15:36
Pohon Keputusan - Studi Kasus
14:24

Ulasan platform BitDegree