Spark یک ابزار قدرتمند و همه منظوره برای کار با Big Data است. Spark به طور شفاف توزیع وظایف محاسباتی را در یک خوشه انجام می دهد. این بدان معنی است که عملیات سریع است، اما همچنین به شما امکان می دهد به جای نگرانی در مورد جزئیات فنی، روی تجزیه و تحلیل تمرکز کنید. در این دوره شما یاد خواهید گرفت که چگونه داده ها را به Spark وارد کنید و سپس به سه الگوریتم اصلی یادگیری ماشین اسپارک بپردازید: رگرسیون خطی، رگرسیون لجستیک / طبقه بندی کننده ها، و ایجاد خطوط لوله. در طول مسیر، مجموعه داده بزرگی از تاخیرهای پرواز و پیام های متنی هرزنامه را تجزیه و تحلیل خواهید کرد. با این پیش زمینه، شما آماده خواهید بود که از قدرت Spark استفاده کنید و آن را در پروژه های یادگیری ماشین خود به کار ببرید!

یادگیری ماشینی مطالعه و کاربرد الگوریتم‌هایی است که از داده‌ها یاد می‌گیرند و پیش‌بینی می‌کنند. از نتایج جستجو گرفته تا خودروهای خودران، در همه زمینه‌های زندگی ما ظاهر شده است و یکی از هیجان‌انگیزترین و سریع‌ترین زمینه‌های تحقیقاتی در دنیای علم داده است. این دوره ایده های بزرگ در یادگیری ماشین را آموزش می دهد: چگونه مدل های پیش بینی بسازیم و ارزیابی کنیم، چگونه آنها را برای عملکرد بهینه تنظیم کنیم، چگونه داده ها را برای نتایج بهتر پردازش کنیم و خیلی چیزهای دیگر. بسته محبوب caret R، که یک رابط ثابت برای همه قدرتمندترین امکانات یادگیری ماشین R ارائه می‌کند، در طول دوره استفاده می‌شود.

داده های سری زمانی در اطراف ما هستند. برخی از نمونه ها آب و هوا، الگوهای رفتاری انسان به عنوان مصرف کنندگان و اعضای جامعه و داده های مالی هستند. در این دوره آموزشی، نحوه محاسبه شاخص‌های فنی از داده‌های سهام تاریخی و نحوه ایجاد ویژگی‌ها و اهداف از داده‌های تاریخی سهام را خواهید آموخت. خواهید فهمید که چگونه ویژگی های ما را برای مدل های خطی، مدل های xgboost و مدل های شبکه عصبی آماده کنید. سپس از مدل های خطی، درخت تصمیم، جنگل های تصادفی و شبکه های عصبی برای پیش بینی قیمت آتی سهام در بازارهای ایالات متحده استفاده خواهیم کرد. همچنین یاد می‌گیرید که چگونه عملکرد مدل‌های مختلفی را که آموزش می‌دهیم ارزیابی کنید تا آنها را بهینه کنیم، بنابراین پیش‌بینی‌های ما دقت کافی برای سودآور کردن استراتژی معاملات سهام دارند.

ظهور یادگیری ماشینی (تقریباً مانند "ظهور ماشین ها" به نظر می رسد؟) و کاربرد روش های آماری در بازاریابی، این حوزه را برای همیشه تغییر داده است. یادگیری ماشینی برای بهینه‌سازی سفرهای مشتری استفاده می‌شود که رضایت و ارزش طول عمر آنها را به حداکثر می‌رساند. این دوره ابزارهای اساسی را در اختیار شما قرار می دهد که می توانید بلافاصله برای بهبود استراتژی بازاریابی شرکت خود به کار ببرید. شما یاد خواهید گرفت که چگونه از تکنیک‌های مختلف برای پیش‌بینی ریزش مشتری و تفسیر محرک‌های آن، اندازه‌گیری و پیش‌بینی ارزش طول عمر مشتری، و در نهایت، ساخت بخش‌های مشتری بر اساس الگوهای خرید محصول استفاده کنید. از داده‌های مشتری از یک شرکت مخابراتی برای پیش‌بینی ریزش استفاده می‌کنید، یک مجموعه داده پولی اخیر-فرکانس-پولی از یک خرده‌فروش آنلاین برای پیش‌بینی ارزش طول عمر مشتری ایجاد می‌کنید، و بخش‌های مشتری را از داده‌های خرید محصول از یک فروشگاه مواد غذایی ایجاد می‌کنید.

این فرصتی است که با استفاده از R به دنیای بازاریابی و تجزیه و تحلیل تجاری شیرجه بزنید. روز به روز تصمیمات زیادی وجود دارد که شرکت ها باید با آنها روبرو شوند. با کمک مدل‌های آماری، می‌توانید از فرآیند تصمیم‌گیری کسب‌وکار بر اساس داده‌ها پشتیبانی کنید، نه احساس درونی‌تان. اجازه دهید به شما نشان دهیم که مدل سازی آماری چه تاثیر زیادی می تواند بر عملکرد کسب و کارها داشته باشد. شما می‌خواهید در مورد استراتژی‌هایی بیاموزید و از آنها استفاده کنید تا با نتایج خود ارتباط برقرار کنید و به آنها کمک کنید تفاوت ایجاد کنند.

داده های سری زمانی در همه جا وجود دارند. خواه نوسانات بازار سهام، داده های حسگر ثبت تغییرات آب و هوا یا فعالیت در مغز باشد، هر سیگنالی که در طول زمان تغییر می کند را می توان به عنوان یک سری زمانی توصیف کرد. یادگیری ماشینی به عنوان روشی قدرتمند برای استفاده از پیچیدگی در داده‌ها به منظور ایجاد پیش‌بینی‌ها و بینش‌هایی در مورد مشکلی که فرد در تلاش برای حل آن است، ظهور کرده است. این دوره تلاقی بین این دو دنیای یادگیری ماشین و داده‌های سری زمانی است و مهندسی ویژگی‌ها، طیف‌نگاری‌ها و سایر تکنیک‌های پیشرفته را برای طبقه‌بندی صداهای ضربان قلب و پیش‌بینی قیمت سهام پوشش می‌دهد.

در مورد یادگیری ماشین های هک با کارشناسان آموزش امنیت سایبری در انستیتوی Infosec ، INS و Outs of Hacking Machine Learning را کشف کنید. عمیق به موضوعاتی مانند هک کردن یک سیستم Captcha ، فازی یک هدف ، فرار از تشخیص بدافزار و حمله به سیستم های یادگیری ماشین. به علاوه ، در مورد Deepfakes و نحوه انجام حملات پشتی به یادگیری ماشین آشنا شوید.

این دوره توسط موسسه Infosec ایجاد شده است. ما خوشحالیم که این آموزش را در کتابخانه خود میزبانی می کنیم.

این دوره به شما می آموزد که از ابزارهای موجود در "tidyverse" برای تولید، کاوش و ارزیابی مدل های یادگیری ماشین استفاده کنید. با استفاده از ترکیبی از بسته‌های tidyr و purrr، شما پایه‌ای برای نحوه کار با اشیاء مدل پیچیده به روش "مرتب" خواهید ساخت. همچنین یاد می گیرید که چگونه از بسته جارو برای کشف مدل های به دست آمده استفاده کنید. سپس با ابزارهای موجود در گردش کار تست-ترن- اعتبارسنجی آشنا می شوید که به شما امکان ارزیابی عملکرد هر دو مدل طبقه بندی و رگرسیون و همچنین ارائه اطلاعات لازم برای بهینه سازی عملکرد مدل از طریق تنظیم فراپارامتر را می دهد.