Kıbrıs Data Mining with R Eğitimi

Büyük verinin gelişiyle birlikte veri madenciliğine ve büyük veri kümelerinden türetilebilen değere olan ilgi daha da arttı. Veri madenciliği, daha önceden bilinmeyen bilgilerin iş açısından fayda sağlamak üzere ortaya çıkartılması amacıyla büyük miktarlardaki verilerin seçilmesi, keşfedilmesi ve modellenmesi sürecidir.

R, istatistiksel hesaplama ve grafikler için kullanılan bir açık kaynak yazılımı ortamı olup veri bilimadamları arasında oldukça popülerdir. Veri analizi, verilerin çıkartılıp dönüştürülmesi, modellerin uygun hale getirilmesi, çıkarımların belirlenmesi, tahminlerde bulunulması ve sonuçların rapor edilmesi için R kullanılmaktadır. Siz de veri çerçeveleri, veri yeniden şekillendirme, temel istatistik, grafik oluşturma, lineer modeller, lineer olmayan modeller, kümeleme ve model tanısı ile çalışarak R’nin temel unsurlarını nasıl kullanacağınızı öğrenin.

Herhangi bir ön koşul yoktur.

Bu eğitime verilerdeki bilgileri bulmak amacıyla veri madenciliği tekniklerini öğrenmek isteyen ve en azından istatistik ve programlama deneyimi olan herkes katılabilir.

• RStudio ortamının nasıl yapılandırıldığı ve R paketlerinin nasıl yüklendiği
• Temel matematik, veri türü, vektör ve çağrı fonksiyonları gibi temel R unsurlarının nasıl kullanıldığı
• Veri çerçeveleri, listeler ve matriksler gibi gelişmiş veri yapılarının nasıl kullanıldığı
• Temel R grafiklerinin nasıl kullanıldığı
• Temel R istatistikleri, korelasyon ve ortak değişimin nasıl kullanıldığı
• Basit lineer regresyon, mantıksal regresyon gibi lineer modellerin nasıl kullanıldığı
• Karar ağaçları ve Random Forests gibi lineer olmayan modellerin nasıl kullanıldığı
• K-means kullanılarak kümelendirmenin nasıl uygulandığı
• Model tanılarının nasıl tamamlandığı

Modules:

• Introduction to RStudio
• R Basics
• Introduction to Data Mining in R
• Classification and Clustering Models in R
• Summary

Module 1 Overview

• What is R?
• What is RStudio?
• Why use RStudio?
• Navigating RStudio
• What are packages?
• How to install packages
• Hands-on Exercises

Module 2 Overview

• R Math
• Data Types
• Working with Data
• Loading Data
• Writing Data
• Data Structures
• Hands-on Exercises

Module 3 Overview

• Overview of Data Mining and Data Science
• Exploratory Data Analysis
• Base Graphics in R
• Linear Regression
• Logistic Regression
• Hands-on Exercises

Module 4 Overview

• Decision Trees
• Clustering
• Model Diagnostics
• Hands-on Exercises

Module 5 – Summary

• Skills Review