تجزیه و تحلیل داده با صدور گواهینامه آموزش R

Edureka

شرح برنامه

توضیحات رسمی را مطالعه کنید

تجزیه و تحلیل داده با صدور گواهینامه آموزش R

Edureka

هدر

در مورد دوره

Edureka مسترینگ تجزیه و تحلیل داده با دوره آموزشی R ویژه طراحی شده برای ارائه دانش و مهارت های لازم برای تبدیل شدن به یک تجزیه و تحلیل موفق حرفه ای است. آن را با مفاهیم اساسی دستکاری داده ها، تجزیه و تحلیل اکتشافی داده ها و غیره شروع می شود قبل از حرکت به پیشبرد مباحث مانند مجموعه درختان تصمیم، فیلتر مشترک، و غیره

اهداف دوره

پس از اتمام از Edureka مسترینگ تجزیه و تحلیل داده با دوره R، شما باید قادر باشید:

  1. درک مفاهیم اطراف هوش کسب و کار و کسب و کار تجزیه و تحلیل ترافیک
  2. کشف سیستم توصیه با توابع مانند انجمن قاعده معدن، فیلتر مشترک مبتنی بر کاربر و فیلتر مشترک مبتنی بر مورد در میان دیگران
  3. اعمال روش های یادگیری ماشین تحت نظارت های مختلف
  4. انجام تجزیه و تحلیل واریانس (ANOVA)
  5. بدانید که در آن به استفاده از الگوریتم - درخت های تصمیم گیری، رگرسیون لجستیک، پشتیبانی بردار ماشین آلات، تکنیک های گروه و غیره
  6. استفاده از بسته بندی های مختلف در R به ایجاد توطئه فانتزی
  7. کار بر روی یک پروژه در زندگی واقعی، اجرای روش های یادگیری ماشین تحت نظارت شده و نظارت نشده به استخراج بینش کسب و کار

چه کسی باید برای این دوره است؟

این دوره برای همه کسانی که دانش آموزان و حرفه ای که علاقه مند به کار در صنعت تجزیه و تحلیل هستند و مشتاق به منظور افزایش مهارت های فنی خود را با قرار گرفتن در معرض به شیوه های برش، لبه پذیر است. این یک دوره بزرگ برای همه کسانی که بلند پروازانه برای تبدیل شدن به تحلیل گران اطلاعات در آینده ای نزدیک است. این دوره باید یاد بگیرند که برای حرفه ای ها از ریاضی، آمار و یا پس زمینه اقتصاد و علاقه مند به یادگیری تجزیه و تحلیل ترافیک کسب و کار است.

پیش نیازهای این دوره چیست؟

پیش نیازهای برای یادگیری 'مسترینگ تجزیه و تحلیل داده ها با R' شامل دانش آمار پایه. ما با ارائه یک دوره تعریف "آمار ملزومات برای تحقیق" را به تمام شرکت کنندگان که برای تجزیه و تحلیل داده با آموزش R ثبت نام. این دوره شما کمک می کند مهارت های قلم مو رنگ کردن آمار خود را.

کار پروژه

در اواخر این دوره، به شما خواهد شد بر روی یک پروژه کار زندگی می کنند. شما می توانید هر یک از زیر به عنوان کار پروژه خود را انتخاب کنید:

پروژه شماره 1: تجزیه و تحلیل احساسات از توییتر داده

صنعت : رسانه های اجتماعی

شرح : یک شرکت دنده های ورزشی است برنامه ریزی خود را با نام تجاری خود را با قرار دادن آرم شرکت بر روی پیراهن یک تیم IPL. ما فرض کنیم که هر تیم است که از محبوبیت بیشتری در توییتر یک ROI خوب. بنابراین، ما ارزیابی دو تیم مختلف از IPL بر اساس محبوبیت رسانه های اجتماعی خود و تیم است که از محبوبیت بیشتری در توییتر خواهد شد برای تایید نام تجاری انتخاب شده است. داده به تجزیه و تحلیل جریان است از توییتر زندگی می کنند و تجزیه و تحلیل احساسات است در همان انجام شده است. خروجی نهایی شامل یک طرح تجسم مقایسه با هر دو تیم، به طوری که برنده روشن دیده می شود.

بینش های زیر نیاز به محاسبه می شود:

  1. اتصال راه اندازی با توییتر با استفاده از بسته توییتر. و انجام احراز هویت با استفاده از تابع دست دادن.
  2. توییت واردات از دسته توییتر رسمی این دو تیم با استفاده از تابع SearchTwitter.
  3. آماده کردن یک تابع احساسات در R، که استدلال و پیدا کردن نمره منفی یا مثبت آن است.
  4. امتیاز در برابر هر صدای جیر جیر باید محاسبه شود.
  5. مقایسه نمرات هر دو تیم و تجسم آن است.

پروژه 2: تجزیه و تحلیل دادههای سرشماری

صنعت : دولت مجموعه داده

شرح : تجزیه و تحلیل داده های سرشماری و پیش بینی اینکه آیا درآمد بیش از $ 50K در سال است. دنبال پایان دادن به پایان فرایند مدل سازی شامل:

  1. انجام تجزیه و تحلیل اکتشافی داده ها و ایجاد فرضیه از داده ها.
  2. تست را برای چند ستون خطی، رسیدگی به پرت و درمان داده گم شده است.
  3. درست آموزش و اعتبار مجموعه داده با استفاده از نمونه گیری تصادفی طبقه ای (SRS) از داده ها.
  4. مدل بندی مناسب در مجموعه آموزشی (رگرسیون لجستیک / درخت تصمیم)
  5. انجام اعتبار سنجی از مدل های (منحنی ROC، ماتریس سردرگمی)
  6. ارزیابی و مسدود مدل نهایی.

منابع اضافی:

در اینجا لیستی از چند مورد اضافی است که شما را در edureka برای درک عمیق تر از برنامه های کاربردی R است.

مطالعه 1: تجزیه و تحلیل سبد بازار

صنعت: خرده فروشی - CPG

توضیحات: تجزیه و تحلیل سبد بازار انجام شده است تا ببینید که آیا ترکیبی از محصولات که اغلب شرکت رخ می دهد در معاملات وجود دارد. تجزیه و تحلیل می دهد و سرنخ به آنچه به عنوان یک مشتری ممکن است خریداری اگر این ایده به آنها رخ داده بود. این با استفاده از "قوانین انجمن" بر روی داده های زمان واقعی انجام می شود. در این مطالعه مورد، شما باید روش های مختلف برای پیدا کردن انجمن مفید در مجموعه داده های بزرگ با استفاده از اندازه گیری عملکرد آماری را درک کنید. همچنین شما می خواهد که چگونه برای مدیریت خصوصیات کار با داده های معامله یاد بگیرند.

اطلاعات مجموعه: مجموعه داده مورد استفاده در اینجا از یک فروشگاه مواد غذایی فوق العاده با 9835 ردیف از داده ها جریان آزاد و بدون هر گونه برچسب است.

مطالعه # 2: تقسیم بندی مشتریان استراتژیک برای کسب و کار خرده فروشی

صنعت: تجارت الکترونیک، خرده فروشی

توضیحات: در این مطالعه مورد، ما را به مجموعه داده از یک کسب و کار خرده فروشی آنلاین مستقر در بریتانیا برای دو سال گذشته در نظر بگیرند. هدف از این مطالعه مورد است که برای انجام تقسیم بندی مشتریان در این مجموعه داده. برای این تمرین، ما می رویم به استفاده از مشتری تازگی، تکرار و ارزش پولی (RFM) است. از این سه مقدار به دست آمده، ما بخش کل پایه مشتری و بینش در مجموعه داده های ارائه شده به انجام تقسیم بندی مشتری با استفاده از خوشه بندی بر اساس RFM مدل را تولید کند.

اطلاعات مجموعه: شامل 0.5 میلیون سوابق و 8 متغیر. هر رکورد برای یک سفارش آنلاین قرار داده شده توسط مشتری می باشد.

مطالعه # 3: تجزیه و تحلیل ترافیک قیمت گذاری و کشش قیمت

صنعت: خرده فروشی

توضیحات: یک خرده فروش است برنامه ریزی برای فروش یک نوع جدید از پنیر در برخی از فروشگاه های آن است. این یک پروژه آزمایشی برای خرده و بر اساس داده های جمع آوری در طول این فاز آزمایشی است، خرده می خواهد به درک چند چیز است. برای پیشبرد فروش پنیر، خرده در حال برنامه ریزی برای دو نوع مختلف از در فروشگاه تبلیغات:

  1. پنیر به عنوان یک محصول طبیعی
  2. پنیر به عنوان یک محصول مراقبت خانواده

در حال حاضر خرده می خواهد بداند که:

  1. که در فروشگاه تم تبلیغات بهتر و دادن فروش پنیر بهتر در فروشگاه است؟
  2. چگونه فروش پنیر در واکنش به تغییر قیمت یعنی قیمت خاصیت ارتجاعی خود را؟
  3. تاثیر تغییرات قیمت از سایر محصولات در همان فروشگاه (به عنوان مثال بستنی و شیر) در فروش یعنی پنیر متقابل کشش قیمتی است.
  4. چه باید بهترین قیمت پنیر به حداکثر رساندن فروش می شود و پس از انجام پیش بینی فروش.

اطلاعات مجموعه: مجموعه داده مورد استفاده در این مطالعه مورد را به ستون زیر را داشته باشد -

  1. قیمت پنیر
  2. فروش پنیر
  3. روش های تبلیغاتی برای پنیر (یا به عنوان یک محصول طبیعی یا به عنوان یک محصول خانواده)
  4. قیمت بستنی
  5. قیمت شیر

مطالعه # 4: نرم افزار خوشه بندی با استفاده از براق

صنعت: مصرف کننده بسته بندی محصولات

توضیحات: براق به نوبه خود تجزیه و تحلیل خود را به برنامه های کاربردی وب تعاملی، آن چارچوب برنامه وب برای R. مجموعه داده که ما با استفاده در این مطالعه مورد مربوط به مشتریان از یک توزیع کننده عمده فروشی است. این شامل، هزینه سالانه در واحد های پولی (MU) در دسته بندی محصولات متنوع است. با این داده ها ما می خواهیم برای ایجاد یک نرم افزار مبتنی بر وب براق که می تواند مشتریان بخش از توزیع کننده عمده فروشی بر اساس پارامتر از طریق ui.r

اطلاعات مجموعه: مجموعه داده مورد استفاده در این مطالعه مورد است 440 ردیف از داده ها است که ویژگی های زیر را در ستون ها و -

  1. کانال
  2. منطقه
  3. تازه
  4. شیر
  5. خواربار
  6. منجمد
  7. Detergents_Paper
  8. مغازه اغذیه فروشی

چرا یادگیری تجزیه و تحلیل داده ها با R؟

داده ها تجزیه و تحلیل ترافیک با آموزش R شما گواهی در تسلط بر ابزار تجزیه و محبوب ترین. "R" برنده در قابلیت آماری، قابلیت گرافیکی، هزینه، مجموعه ای غنی از بسته و ابزار بیشتر ترجیح داده برای دانشمندان است. در زیر یک وبلاگ است که کمک خواهد کرد که اهمیت R و علم داده درک است:

www.edureka.co/blog/r-programming-for-data-science

ویژگی های دوره

کلاس های آنلاین: 24 ساعت

12 کلاس زندگی می کنند از 2 ساعت هر صنعت توسط پزشکان

تکالیف: 30 ساعت

راهنماهای کمک / نصب و راه اندازی شخصی برای راه اندازی محیط زیست مورد نیاز برای تکالیف / پروژه

پروژه: 25 ساعت

پروژه های زنده در تجزیه و تحلیل داده با استفاده از تکنیک رگرسیون پیش بینی تجزیه و تحلیل، داده کاوی، و غیره

طول عمر دسترسی

دسترسی به طول عمر سیستم مدیریت یادگیری از جمله ضبط کلاس، سخنرانیها، نمونه کد و پروژه

24 X 7 پشتیبانی

دسترسی به طول عمر به تیم پشتیبانی (موجود 24/7) در حل و فصل نمایش داده شد در طول و پس از اتمام دوره

دریافت گواهی

Edureka گواهی، تحلیلگر داده مبتنی بر عملکرد پروژه خود را، بررسی توسط متخصصان ما

این مدرسه این برنامه ها را ارائه می نماید:
  • انگلیسی
مدت زمان و قیمت
این دوره Online
Start Date
تاریخ شروع
زمان ثبت نام باز است
Duration
مدت زمان
12 
پاره وقت
تمام وقت
Locations
هندوستان - India Online
تاریخ شروع: زمان ثبت نام باز است
آخرین مهلت تقاضا درخواست اطلاعات
تاریخ پایان درخواست اطلاعات
Dates
زمان ثبت نام باز است
هندوستان - India Online
آخرین مهلت تقاضا درخواست اطلاعات
تاریخ پایان درخواست اطلاعات