西安:029-86699670 南京:4008699035
成都:4008699035 武漢:027-50767718
廣州:4008699035 深圳:4008699035
沈陽:024-31298103 石家莊:4008699035☆
全國統一報名免費電話：4008699035 微信：shuhaipeixun或15921673576 QQ:1299983702
 首頁 課程表 報名 在線聊 講師 品牌 QQ聊 活動 就業 |
R語言培訓班 |
 班級規模及環境--熱線:4008699035 手機:15921673576( 微信同號) |
| 每期人數限3到5人。 |
| 培訓特點 |
| 個性化、顧問式培訓，互動式授課，針對實際需求，項目案例教學，實戰項目演示，超級精品小班。 |
| 培訓講師 |
華為，中科院，上海貝爾，中興，Xilinx,Intel英特爾,TI德州儀器，NI公司，Cadence公司,Synopsys，IBM，Altera，Oracle，synopsys，微軟，飛思卡爾，等大型公司高級工程師，項目經理，技術支持專家，曙海教育集團，資深講師。 大多名牌大學，碩士以上學歷，相關技術專業，有豐富的理論素養，十多年實際項目經歷，開發過多個大型項目，熱情，樂于技術分享。針對客戶實際需求，案例教學，邊講邊練，互動式溝通，學有所獲。 |
| 開課時間和上課地點 |
| 上課地點：【上海】：同濟大學(滬西)/新城金郡商務樓(11號線白銀路站) 【深圳分部】：電影大廈(地鐵一號線大劇院站)/深圳大學成教院 【北京分部】：北京中山學院/福鑫大樓 【南京分部】：金港大廈(和燕路) 【武漢分部】：佳源大廈（高新二路） 【成都分部】：領館區1號（中和大道） 【沈陽分部】：沈陽理工大學/六宅臻品 【鄭州分部】：鄭州大學/錦華大廈 【石家莊分部】：河北科技大學/瑞景大廈 【廣州分部】：廣糧大廈 【西安分部】：協同大廈 最近開課時間(周末班/連續班/晚班）：R語言培訓班開班時間：2020年3月16日 |
| 實驗設備和授課方式 |
☆資深工程師授課 |
| 最新優惠 |
| ☆請咨詢客服。 |
| 質量保障 |
1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽； |
| 課程大綱 |
R語言培訓班 |
第一階段 |
第1部分快速入門 |
第二階段 高級（一） |
一 R軟件及應用統計方法 R軟件介紹：語言入門、用R編程、用R繪圖 R及統計互動：基礎統計 經典回歸分析（包括方差分析） 腳本編程 R繪圖 編寫函數 數據保存 二 現代回歸和分類（數據挖掘方法） 列聯表分析 聯規則分析（數據挖掘方法） 三 多層模型（隨機效應混合模型、縱向數據、面板數據） 通過顧客滿意度模型引入路徑模型（圖模型）及其PLS偏最小二乘）方法 時間序列簡介及狀態空間模型 多元分析 |
第三階段 高級（二） |
第一講：R語言精要 本著循序漸進而又覆蓋R語言重要而有用的基本內容原則，本講從R語言入門開始，以前期的數據處理為核心，以實際案例為載體，內容包括R語言的向量、數據框、矩陣運算、缺失值和零值的處理、特別注重用R語言構造函數編程解決實際問題。 案例1：如何用R語言plyr等包合并、排序、分析數據并編制香農-威納指數； 案例2：如何用R語言編程同時實現幾十個高難度數據分析可視化圖片的jpeg格式輸出； 第二講：Logistic回歸與商業大數據建模 Logistic回歸是商業建模的常用重要數據挖掘方法，本講要講清楚Logistic回歸的建模原理、與多元線性模型的區別、R語言實現過程及回歸診斷注意事項、預測方法和結果解釋，讓學員徹底地掌握Logistic回歸解決問題的R語言方法。 主要案例： ?案例1：利用Logistic回歸幫助商業銀行完成對客戶提前還貸款情況的預測； ?案例2：利用Logistic回歸幫助醫生對病人選擇最佳治療方案；
第三講：關聯規則和R語言實現 關聯規則（著名的“啤酒和尿布”）是數據挖掘的基礎和核心技術之一，本講將著重圍繞經典的Apriori算法和eclat算法，闡明關聯規則的支持、置信和提升程度與控制，使用R語言快速完成關聯規則分析。 主要案例： 案例：使用R語言關聯規則方法幫助各個超市實現商品的最佳捆綁銷售方案（即“購物籃”分析）；
第四講：決策樹（回歸樹）分析和R語言實現 決策樹是數據挖掘的經典方法，其原理容易被理解。本講主要講授兩種最為普遍的決策樹算法：CART和C4.5算法，使用rpart和J48函數進行R語言分析。 主要案例： 案例1：對汽車耗油量進行決策樹分析并完成相關目標變量的預測； 案例2：使用決策樹幫助電信局判斷和預測客戶辦理寬帶業務。 第五講：機器集成學習的Bagging和AdaBoost算法 這兩種方法將許多分類器的預測結果進行匯總分析，從而達到顯著提升分類效果。本講介紹這2種算法的思想，在R語言中構造訓練集和測試集進一步進行分析。 主要案例： 案例1：用R語言的Bagging和AdaBoost進行商業銀行定期存款的分析和預測； 案例2：用R語言的Bagging和AdaBoost識別有毒蘑菇。 第六講：R語言隨機森林（RandomForest）算法 在機器學習中，隨機森林是一個包含多個決策樹的分類器，本講講清隨機森林方法的原理，以致在實際中幫助學員判斷適合進行隨機森林分析的情況，最終熟練掌握R語言隨機森林分析的方法。 主要案例： 案例1：對皮膚病進行隨機森林的分類和預測； 案例2：對酒的品質和種類進行分類和評價。 第七講：支持向量機和R語言的實現 本講將分析支持向量機的結構風險最小原理、間隔和核函數，從而幫助學員深刻理解支持向量機的思想和算法，以及使用中注意的問題，從而幫助學員靈活地應用于各個領域。 主要案例： 案例：對著名的鳶尾花數據進行支持向量機的分析； 第八講：神經網絡和R語言的實現 神經網絡由大量的節點和輸出函數構成邏輯策略，本講介紹其原理，主要通過案例的方式講解R語言實現神經網絡算法的過程和注意的事項。 主要案例： 案例1：酒的品質和種類的神經網絡的分析和預測； 案例2：公司財務預警建模。 第九講：交叉驗證比較各個模型 對于同一個數據，可能有很多模型來擬合，如何衡量和比較模型的精度呢？本講將介紹交叉驗證訓練集和測試集的方法來幫助大家在實際中選取最佳模型進行擬合和預測 第十講：使用R語言結合KNN算法進行文本挖掘 文本挖掘，特別是對中文的文本挖掘日趨重要。本講介紹文本挖掘的原理和方法，幫助大家使用R語言在大量的非結構化的數據中發現有價值的信息，抽取潛在有用的數據，發現適合模式，實現可視化結果展示。 主要案例： 案例：使用R語言結合KNN算法對網頁（Web）進行文本挖掘（含分詞、分類、可視化等） |