Online cursus – gecertificeerde professionele specialisatie in R voor data science en machine learning van het Institut de Data Science

Basis tot geavanceerde studies in deep learning en data science met behulp van R. Duik in datavoorbereiding, data science-technieken, statistische machine learning-modellen, deep learning en glanzende app-ontwikkeling. Upgrade je vaardigheden met praktische uitdagingen tijdens de geavanceerde reis in de R-wereld.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

starten

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Datawetenschap
  • R-programmering
  • data wetenschap
  • Machine learning-algoritmen
  • neurale netwerken
  • Glanzende app-ontwikkeling
  • Machine learning-algoritmen
  • neurale netwerken

What you will learn in the course

Courses for which the course is suitable

  • data wetenschapper
  • Data-analist
  • R-programmeur
  • onderzoeker
  • Machine learning-expert
  • Webapplicatie-ontwikkelaar met Shiny
  • statisticus
  • Statistisch analist
  • Specialist op het gebied van data-analyse
  • Ontwikkelt voorspellende modellen

Stage – een 3-delige cursusreeks

Wat is R?

R is een programmeertaal en -omgeving ontworpen voor statistische berekeningen, data-analyse en grafische weergave. Het wordt veel gebruikt door:

  • statistici
  • data wetenschappers
  • onderzoekers
  • analisten

Cursusinhoud

De cursus begeleidt de studenten in R-programmeren, van de basis tot geavanceerde technieken. Het omvat:

  • Basisprincipes van R
  • gegevenstypen
  • veranderen
  • structuren
  • aangepaste functies
  • Controlestructuren
  • manipulatie van gegevens

Visualisatie en statistieken

Masterstudenten leren de kneepjes van datavisualisatie met behulp van toonaangevende pakketten, statistische analyses, hypothesetoetsen en regressiemodellen.

Geavanceerde gegevensmanipulatie

De cursus omvat ook:

  • Geavanceerde gegevensmanipulatie
  • Omgaan met abnormale gegevens
  • Strategieën voor ontbrekende gegevens
  • Manipuleer tekst met reguliere expressies

machinaal leren

Daarnaast omvat het machine learning met:

  • Regressie-algoritmen
  • Classificatie
  • kibboets
  • diep leren
  • neurale netwerken
  • Beeldclassificatie
  • Semantische verdeeldheid

Het einde van de cursus

De cursus eindigt met het maken van dynamische webapplicaties met behulp van Shiny. Het is bedoeld voor:

  • Opkomende en ervaren datawetenschappers
  • analisten
  • programmeurs
  • onderzoekers
  • professionals

De cursus is geschikt voor verschillende ervaringsniveaus. Vereisten omvatten voorafgaande programmeerervaring, maar de cursus is ook geschikt voor studenten met verschillende niveaus van bekendheid met datawetenschap en R-programmeren.

Toegepast leerproject

De projecten in “R Ultimate 2023 – R for Data Analysis and Machine Learning” zijn ontworpen om praktische ervaring te bieden met real-world data-analyse en machine learning-taken.

Leerlingen zullen hun vaardigheden gebruiken om echte problemen op te lossen, zoals:

  • Dynamische webapplicaties maken met Shiny
  • Voorspellende modellen bouwen
  • Geavanceerde gegevensmanipulaties uitvoeren

waarmee ze ruwe data kunnen omzetten in betekenisvolle inzichten en interactieve toepassingen.

Details of the courses that make up the specialization

Grondbeginselen van R-programmering en elementaire gegevensmanipulatie

Cursus 1 • 9 uur

Cursusdetails

wat ga je leren

  • Onthoud de stappen voor het installeren en configureren van R en RStudio
  • Leg uit hoe je verschillende gegevenstypen en -structuren in R kunt manipuleren
  • Gebruik operators, lussen en functies om efficiënte R-code te schrijven
  • Evalueer geavanceerde technieken voor gegevensmanipulatie, zoals filteren, filteren, opslaan, transformeren en aaneenschakelen van gegevenssets

vaardigheden die je gaat verwerven

  • Categorie: R-programmering
  • Categorie: ggplot2
  • Categorie: Gegevensmanipulatie
  • Categorie: dygrafen
  • Categorie: RStudio

Intermediaire gegevensmanipulatie en machinaal leren

Cursus 2 • 13 uur

Cursusdetails

wat ga je leren

  • Dit is het en beschrijf de belangrijkste principes van kunstmatige intelligentie en machine learning
  • Verschillende regressieanalysetechnieken uitleggen en illustreren om echte problemen op te lossen
  • Gebruik methoden om robuuste machine learning-modellen te bouwen en te evalueren
  • Evalueer methoden voor clustering en dimensionaliteitsreductie voor data-analyse

vaardigheden die je gaat verwerven

  • Categorie: Python-programmering
  • Categorie: Regressieanalyse
  • Categorie: Gegevensmanipulatie
  • Categorie: machinaal leren
  • Categorie: Clustering

Geavanceerd machine learning en deep learning

Cursus 3 • 7 uur

Cursusdetails

wat ga je leren

  • Basisprincipes en toepassingen bij diepgaand leren identificeren en onthouden
  • Leg uit hoe je neurale netwerkmodellen kunt ontwikkelen en trainen
  • Gebruik technieken om de modelprestaties te evalueren en te optimaliseren
  • Evalueer de efficiëntie van CNN’s voor beeldverwerking en (semantische segmentatie)

vaardigheden die je gaat verwerven

  • Categorie: diep leren
  • Categorie: machinaal leren
  • Categorie: neurale netwerken
  • Categorie: PyTorch
  • Categorie: Tijdreeksvoorspellingen