Ciencia de datos-Visualización de modelos de datos y exploraciones-Revisado
Aprenda sobre técnicas de ciencia de datos, aplicando visualizaciones para mostrar datos, métodos de ingeniería de características, y más!
Description
Este curso comienza discutiendo la importancia de la exploración de datos. Te enseñará qué usar para visualizaciones de datos en R y en Python. Usted estudiará diferentes parcelas para diferentes puntos de vista, tales como diagramas de dispersión y líneas, diagramas de barras, histogramas, diagramas de caja, gráficos de violín, gráficos Q-Q. También aprenderá que la trama de dispersión de columnas individuales puede ser útil para la exploración detallada de las características del conjunto de datos.
A continuación, estudiará la ingeniería de características que es el proceso de utilizar el conocimiento del dominio de los datos para crear características que hacen que los algoritmos de aprendizaje automático funcionen. Verá los modelos que se evalúan en función de las estadísticas sobre los errores, o los residuos, en los valores previstos. Estudiará las características y métodos disponibles en R y Python para crear modelos de aprendizaje automático, incluido el proceso y las opciones de evaluación.
Conozca acerca de la teoría y práctica de la ciencia de datos con este curso gratuito y en línea. Al completar el curso, tendrá una mejor comprensión de las funciones de análisis de datos exploratorios y qué factores pueden afectar a sus vistas de datos, así como una visión mucho mejor de los diferentes tipos de gráficos para ayudar a visualizar sus datos, así como las bibliotecas y paquetes disponibles para R y Python. Comience este curso hoy para mejorar su alfabetización de datos!
Inicio Curso AhoraModules
Exploración y visualización de datos
-
Resultados de aprendizaje de exploración y visualización de datos
-
Análisis de datos exploratorios
-
Visualización de datos con R
-
Visualización de datos con Python
-
Resumen de la lección de exploración y visualización de datos
Modelos de construcción en Azure ML
-
Creación de modelos en Azure ML Learning Outcomes
-
Ingeniería de características
-
Creación y puntuación de modelos
-
Modelado en R
-
Modelado en Python
-
Evaluación y comparación de modelos
-
Resumen de los modelos de construcción en Azure ML
Evaluación del curso
Learning Outcomes
Una vez completado el curso de este curso, el alumno podrá:
- Discute la importancia de la exploración de datos
- Reconocer lo que utiliza para visualizaciones de datos en R
- Reconocer lo que utiliza para visualizaciones de datos en Python
- Identifique los distintos tipos de gráficos o gráficos que puede utilizar para visualizar los datos
- Discutir el proceso de la ingeniería de características
- Identificar características y métodos disponibles en R para crear modelos de aprendizaje de máquinas
- Identificar características y métodos disponibles en Python para crear modelos de aprendizaje de máquinas
- Esquema del proceso y opciones para evaluar el modelo de aprendizaje automático
Certification
All Alison courses are free to study. To successfully complete a course you must score 80% or higher in each course assessments. Upon successful completion of a course, you can choose to make your achievement formal by purchasing an official Alison Diploma, Certificate or PDF.
Having an official Alison document is a great way to celebrate and share your success. It is:
- Ideal to include with CVs, job applications and portfolios
- A way to show your ability to learn and achieve high results