特点使用 Oracle Data Miner 和 Oracle R Enterprise 自动化预测分析过程深入了解企业中常用的各种统计模型，以及如何使用各种 SQL、PLSQL、ORE、ODM 和本机 R 包将它们自动化以进行预测分析了解 ODM 工作流程中用于驾驶自动化的各种可用选项了解使用 PLSQL 集成 ODM 包、ORE 和本机 R 包以实现流程自动化的各种方法使用 Oracle...

特点强化学习 (RL) 是机器学习 (ML) 的一个组成部分，用于训练算法。 将学习如何使用 R 实现强化学习，探索实际示例，例如使用表格 Q 学习来控制机器人学习基本的 RL 概念，包括代理-环境接口、马尔可夫决策过程 (MDP) 和策略梯度方法。使用 R 的库来开发基于马尔可夫链的模型学习如何使用各种 R 包解决多臂老虎机问题通过应用动态规划和蒙特卡罗方法，找到进行预测的最佳策略使用时间...

特点学习实施数据科学技术，以了解营销活动成功和失败背后的驱动因素了解和预测客户行为，并制定更有针对性的个性化营销策略。执行从简单到高级的任务，从数据中提取隐藏的见解并使用它们做出明智的业务决策了解是什么推动了销售并增加了产品的客户参与度学习实施机器学习来预测哪些客户更有可能与产品互动并具有高生命周期价值展示如何使用机器学习技术来了解不同的客户群，并为每个客户推荐合适的产品。学习使用探索性分析...

特点使用 Python 和 R 的数据科学是为没有分析或编程经验的普通读者编写的提供使用 Python 和 R 解决数据科学问题的分步说明和演练涵盖的主题包括数据准备、探索性数据分析、准备数据建模、决策树、模型评估、错误分类成本、朴素贝叶斯分类、神经网络、聚类、回归建模、降维和关联规则挖掘。包括随机森林和一般线性模型等新主题内容数据分析介绍Python 和 R 基础知识数据准备探索性数据分析...

特点从统计学领域中提取的技术和理论； 计算机科学，最重要的是机器学习、数据库、数据可视化等。它从简单的统计开始，然后转向数据科学算法中使用的统计方法。解释统计计算的 R 程序与逻辑学习各种数学概念，例如方差、标准差、概率、矩阵计算等将只学习在数据科学任务（例如数据清理、挖掘和分析）中实施统计所需的内容您将学习执行线性回归、正则化、模型评估、提升、SVM 和使用神经网络等任务所需的统...

特点使用数据科学技术，您可以将原始数据转化为可操作的见解，适用于从城市规划到精准医学的各个领域。 数据科学编程技能汇集了您入门所需的所有基础技能，即使您没有编程或数据科学经验。指导安装和配置解决专业级数据科学问题所需的工具，包括广泛使用的 R 语言和 Git 版本控制系统解释了如何将数据整理成易于使用、分析和可视化的形式，以便其他人可以看到您发现的模式将逐步掌握强大的 R 编程技术和故障排除...

特点将帮助您了解流行的深度学习架构及其在 R 中的变体，并为它们提供现实生活中的示例。涵盖了用于预测和分类的基本深度学习技术和概念。将了解神经网络、深度学习架构以及使用 R 实现深度学习的基础知识。将引导您使用重要的深度学习库（如 Keras-R 和 TensorFlow-R）在应用程序中实现深度学习算法。将通过高级示例快速了解人工神经网络、循环神经网络、卷积神经网络、长短期记忆网络等。将发...

特点深入了解机器学习技术和计算技能，以及了解如何使用 edgeR 和 DESeq 等工具。探索真实示例，解决生物信息学领域中常见和不常见的挑战。学习如何使用 Bioconductor、ggplot 和 tidyverse 中的最新工具有效地分析您的数据。引导您了解 Bioconductor 中的基本工具，以帮助您理解和执行 RNAseq、系统发育学、基因组学和序列分析中的协议。快速了解如何在...

特点使用开源 R 语言，您可以构建强大的统计模型来回答许多最具挑战性的问题。提供广泛的动手实践和示例代码。导航和使用 R 环境； 掌握基本的程序控制、数据导入、操作和可视化； 并通过几个基本测试。 然后，在此基础上，您将构建几个完整的线性和非线性模型，并使用一些数据挖掘技术。包含RBokeh、Plotly、json 库、dplyr、tidyr、测试、读取 Excel 数据包等通俗易懂的统计编...

涵盖了统计在解决业务相关问题中的广泛应用。 介绍了日常业务需求所必需的定量工具，并提供了有关如何总结数据、分析数据以及得出可用于改进决策的有意义的推理的见解。 它将使读者能够使用开源语言 R 发展计算技能和解决问题的能力。在讨论基本统计测量、概率、回归分析、显着性检验、相关性、泊松分布、制造过程控制、时间序列分析、预测技术、指数平滑、单变量和多变量时使用现实生活中的商业数据作为说明性示例，分...