fbpx
  • nl
  • en

Cursus Machine Learning met R

Cursus Machine Learning met R
Regio:
  • Modules
  • Cursus
  • Inhoud
  • Algemene informatie
    Algemeen
  • Reviews
  • Certificaat
  • Module 1 : R Review

    Module 2 : Linear Regression

    Module 3 : Logistic Regression

    R Data Types
    Data Frames
    Factors
    Rmarkdown
    tidy package
    Functions in R
    Apply functions
    Statistics
    R Data Files
    Using dplyr Package
    Plotting with ggplot2
    Machine Learning
    Supervised Learning
    Unsupervised Learning
    Check Model
    Using Summary
    Using Coefficients
    Correlation R
    R Squared
    F Test
    Check Model Graphically
    Check Residuals
    Compare with Linear Regression
    Explore with Graphics
    Checking Model
    Using Summary
    Using Coefficients
    Calculate Probabilities
    Making Predictions
    Confusion Matrix
    Accuracy
    Precision and Recall
    ROC Curve

    Module 4 : Functional R

    Module 5 : Sparklyr Intro

    Module 6 : Shiny

    Solving Iteration
    purr package
    library tidyverse
    map Functions
    Parameters of map
    .x as placeholder
    map_lgl Function
    map_int and map_char
    map2 Function
    Other iteration functions
    Combine purr with dyplr
    walk Function
    Spark Session
    Copy data into Spark
    File Setup
    Load data
    Spark SQL
    Store Data
    Using dplyr
    showquery()
    Spark DataFrame Functions
    sdf_pivot()
    Feature Transformers
    Distributed R
    Web Applications
    Shiny Architecture
    Shiny Server
    UI and Server
    Input Object
    Output Object
    Reactivity
    Render Options
    Shiny Functions
    Shiny Layout
    Shiny Dashboard
    Shiny Performance

    Module 7 : Machine Learning

    Principal Component Analysis
    Least Squares
    Polynomial Fitting
    Constrained Linear Regression
    K-Means Clustering
    Support Vector Machines
    Conditional Random Fields
    Decision Trees
    TD Algorithms
  • Doelgroep Cursus Machine Learning met R

    Cursus-Machine-Learning-met RDe cursus Machine Learning met R is bedoeld voor data analisten en data scientists die de R libraries willen gebruiken voor modellering en machine learning.

    Voorkennis training Machine Learning met R

    Om aan deze cursus te kunnen deelnemen is kennis van en ervaring met de programmeertaal R voor Data Analyse vereist. De nodige voorkennis met betrekking tot statistische methoden en algorithmen is bevordelijk voor de begripsvorming.

    Uitvoering cursus Machine Learning met R

    De theorie wordt behandeld aan de hand van presentaties. Illustratieve demo's verduidelijken de concepten. De theorie wordt afgewisseld met oefeningen en case studies. De cursustijden zijn van 9.30 tot 16.30.

    Officieel Certificaat Machine Learning met R

    De deelnemers krijgen na het goed doorlopen van de cursus een officieel certificaat Machine Learning met R.

  • In de cursus Machine Learning met R leert u hoe u de taal R en de R libraries kunt toepassen bij modellerings projecten en machine learning. Allereerst worden in een review de fundamentals van R en een aantal belangrijke libraries besproken. Vervolgens wordt ingegaan op de principes van machine learning en de verschillen tussen supervised en unsupervised learning.

    Lineaire regressie en logistische regressie en de verschillen ertussen komen aan de orde. Ook wordt besproken hoe modellen kunnen worden gecheckt op nauwkeurigheid door te kijken naar summaries, coefficienten en plots. Vervolgens wordt ingegaan op hoe functionele programmeer technieken in R kunnen worden toegepast. Hierbij worden andere oplossingen voor iteratie middels diverse map en andere functions behandeld.

    Ook is er aandacht voor de benadering van Apache Spark vanuit R door middel van een gedistribueerde data frame implementation met operaties als selection, filtering en aggregation. Visualisatie in interactive web applicaties direct vanuit R via het Shiny package staat eveneens op het programma. De cursus wordt afgesloten met de behandeling van diverse Machine Learning algorithmes.

  • Cursusvorm

    Al onze cursussen zijn klassikale cursussen waarbij de cursisten aan de hand van een ervaren trainer met diepgaande materie kennis door de stof worden geleid. Theorie wordt steeds afgewisseld met oefeningen.

    Maatwerk

    We doen ook maatwerk  en passen dan de cursusinhoud aan op uw wensen. Op verzoek gaan we ook in op uw praktijkcases.

    Cursustijden

    De cursustijden zijn in pricipe van 9.30 tot 16.30. Maar we zijn hierin flexibel. Soms moeten mensen namelijk kinderen naar de opvang brengen of halen en komen andere tijden hun beter uit. In goed overleg kunnen we dan andere cursustijden afspreken.

    Hardware

    Wij zorgen voor de computers waarop de cursus gehouden kan worden. Op deze computer is de voor de cursus benodigde software al geinstalleerd. U hoeft geen laptop mee te nemen om aan de cursus te kunnen deelnemen. Als u liever op uw eigen laptop werkt kunt u hem desgewenst meenemen. De benodigde software wordt dan aan het begin van de cursus geinstalleerd.

    Software

    Onze cursussen worden over het algemeen gegeven met Open Source software zoals Eclipse, IntelliJ, Tomcat, Pycharm, Anaconda en Netbeans. Het digitale cursusmateriaal krijgt u na de cursus mee naar huis.

    Lunch

    De cursus is inclusief lunch die we in een restaurantje op loopafstand van het cursuslokaal gebruiken.

    Locaties

    De cursussen worden op diverse plaatsen in het land gepland. Een cursus gaat op een locatie door als er zich minimaal 3 mensen voor die locatie inschrijven. Als er inschrijvingen voor verschillende locaties zijn gaat de cursus door op onze hoofdlocatie is Houten net onder Utrecht. Een cursus op onze hoofdlocatie gaat ook door bij 2 inschrijvingen en regelmatig ook bij 1 inschrijving.  Overigens doen we ook cursussen op de locatie van de klant als men daar prijs op stelt.

    Copyright

    De intellectuele eigendomsrechten van de gepubliceerde cursus inhoud, ook wel aangeduid als infosheet, behoren toe aan SpiralTrain. Het is niet toegestaan de cursusinformatie, de infosheet, te publiceren in schiftelijke dan wel digitale vorm zonder de uitdrukkelijke toestemming van SpiralTrain. Onder de cursus inhoud dient te worden verstaan de beschrijving van de cursus inhoud in zinnen alsmede de indeling van de cursus in modules en onderwerpen in de modules.