R语言培训班 |
班级规模及环境--热线:4008699035 手机:15921673576( 微信同号) |
坚持小班授课,为保证培训效果,增加互动环节,每期人数限3到5人。 |
培训特点 |
互动式授课,针对实际需求,实战项目演示,精品小班。 |
培训讲师 |
曙海的讲师队伍名校博士、硕士学历的工程师占绝大多数,他们大部分为上海贝尔,TI德州仪器,华为,中科院,中兴,Xilinx,Intel英特尔,NI公司,Cadence公司,Synopsys,IBM,Altera,Oracle,synopsys,微软,飞思卡尔等大型公司高级工程师,项目经理,技术支持专家,他们有着深厚的专业技能和技术素养,丰富的项目实战经验,基本上都有十多年实际项目经验,开发过多个大型项目。。 手把手教,节约时间,少走弯路。 同时增加您的人脉资源。 |
开课时间和上课地点 |
上课地点:【深圳分部】:电影大厦(地铁一号线大剧院站)/深圳大学成教院 【上海】:同济大学(沪西)/新城金郡商务楼(11号线白银路站) 【北京分部】:北京中山学院/福鑫大楼 【南京分部】:金港大厦(和燕路) 【武汉分部】:佳源大厦(高新二路) 【成都分部】:领馆区1号(中和大道) 【沈阳分部】:沈阳理工大学/六宅臻品 【郑州分部】:郑州大学/锦华大厦 【广州分部】:广粮大厦 【西安分部】:协同大厦 【石家庄分部】:河北科技大学/瑞景大厦 最近开课时间(周末班/连续班/晚班):R语言培训班开班时间:请点击此处咨询在线客服 |
实验设备和授课方式 |
☆资深工程师授课 |
最新优惠 |
☆请点击此处咨询在线客服 |
质量保障 |
1、培训过程中,如有部分内容理解不透或消化不好,可免费在以后培训班中重听; |
课程大纲 |
R语言培训班 |
第一阶段 |
第1部分快速入门 |
第二阶段 高级(一) |
一 R软件及应用统计方法 R软件介绍:语言入门、用R编程、用R绘图 R及统计互动:基础统计 经典回归分析(包括方差分析) 脚本编程 R绘图 编写函数 数据保存 二 现代回归和分类(数据挖掘方法) 列联表分析 联规则分析(数据挖掘方法) 三 多层模型(随机效应混合模型、纵向数据、面板数据) 通过顾客满意度模型引入路径模型(图模型)及其PLS偏最小二乘)方法 时间序列简介及状态空间模型 多元分析 |
第三阶段 高级(二) |
第一讲:R语言精要 本着循序渐进而又覆盖R语言重要而有用的基本内容原则,本讲从R语言入门开始,以前期的数据处理为核心,以实际案例为载体,内容包括R语言的向量、数据框、矩阵运算、缺失值和零值的处理、特别注重用R语言构造函数编程解决实际问题。 案例1:如何用R语言plyr等包合并、排序、分析数据并编制香农-威纳指数; 案例2:如何用R语言编程同时实现几十个高难度数据分析可视化图片的jpeg格式输出; 第二讲:Logistic回归与商业大数据建模 Logistic回归是商业建模的常用重要数据挖掘方法,本讲要讲清楚Logistic回归的建模原理、与多元线性模型的区别、R语言实现过程及回归诊断注意事项、预测方法和结果解释,让学员彻底地掌握Logistic回归解决问题的R语言方法。 主要案例: ?案例1:利用Logistic回归帮助商业银行完成对客户提前还贷款情况的预测; ?案例2:利用Logistic回归帮助医生对病人选择最佳治疗方案;
第三讲:关联规则和R语言实现 关联规则(著名的“啤酒和尿布”)是数据挖掘的基础和核心技术之一,本讲将着重围绕经典的Apriori算法和eclat算法,阐明关联规则的支持、置信和提升程度与控制,使用R语言快速完成关联规则分析。 主要案例: 案例:使用R语言关联规则方法帮助各个超市实现商品的最佳捆绑销售方案(即“购物篮”分析);
第四讲:决策树(回归树)分析和R语言实现 决策树是数据挖掘的经典方法,其原理容易被理解。本讲主要讲授两种最为普遍的决策树算法:CART和C4.5算法,使用rpart和J48函数进行R语言分析。 主要案例: 案例1:对汽车耗油量进行决策树分析并完成相关目标变量的预测; 案例2:使用决策树帮助电信局判断和预测客户办理宽带业务。 第五讲:机器集成学习的Bagging和AdaBoost算法 这两种方法将许多分类器的预测结果进行汇总分析,从而达到显著提升分类效果。本讲介绍这2种算法的思想,在R语言中构造训练集和测试集进一步进行分析。 主要案例: 案例1:用R语言的Bagging和AdaBoost进行商业银行定期存款的分析和预测; 案例2:用R语言的Bagging和AdaBoost识别有毒蘑菇。 第六讲:R语言随机森林(RandomForest)算法 在机器学习中,随机森林是一个包含多个决策树的分类器,本讲讲清随机森林方法的原理,以致在实际中帮助学员判断适合进行随机森林分析的情况,最终熟练掌握R语言随机森林分析的方法。 主要案例: 案例1:对皮肤病进行随机森林的分类和预测; 案例2:对酒的品质和种类进行分类和评价。 第七讲:支持向量机和R语言的实现 本讲将分析支持向量机的结构风险最小原理、间隔和核函数,从而帮助学员深刻理解支持向量机的思想和算法,以及使用中注意的问题,从而帮助学员灵活地应用于各个领域。 主要案例: 案例:对著名的鸢尾花数据进行支持向量机的分析; 第八讲:神经网络和R语言的实现 神经网络由大量的节点和输出函数构成逻辑策略,本讲介绍其原理,主要通过案例的方式讲解R语言实现神经网络算法的过程和注意的事项。 主要案例: 案例1:酒的品质和种类的神经网络的分析和预测; 案例2:公司财务预警建模。 第九讲:交叉验证比较各个模型 对于同一个数据,可能有很多模型来拟合,如何衡量和比较模型的精度呢?本讲将介绍交叉验证训练集和测试集的方法来帮助大家在实际中选取最佳模型进行拟合和预测 第十讲:使用R语言结合KNN算法进行文本挖掘 文本挖掘,特别是对中文的文本挖掘日趋重要。本讲介绍文本挖掘的原理和方法,帮助大家使用R语言在大量的非结构化的数据中发现有价值的信息,抽取潜在有用的数据,发现适合模式,实现可视化结果展示。 主要案例: 案例:使用R语言结合KNN算法对网页(Web)进行文本挖掘(含分词、分类、可视化等) |