Данный курс предназначен для изучения алгоритмов машинного обучения с практическим применением техник машинного обучения реализованных в R. Рассматриваются понятия data mining, измерения производительности и уменьшения размерности, регрессионные модели, байесовская модель, SVM и ассоциативные правила для анализа. После успешного завершения данного курса вы сможете понимать и объяснять принципы работы алгоритмов машинного обучения, и применять данные алгоритмы на реальных задачах в больших данных.
Аудитория
Специалисты по работе с большими данными, бизнес аналитики и руководители, желающие получить расширенную теоретическую и практическую подготовку по методам Data Mining для участия в проектах анализа больших данных.
Предварительная подготовка
1. Основы статистики и простая линейная регрессия
2. Множественная линейная регрессия и обобщенная линейная модель
3. Алгоритм ближайших соседей, наивный байессовский анализ и «проклятие размерности»
4. Метод опорных векторов и модели деревьев
5. Кластерный анализ и нейронные сети
