Unsupervised Machine Learning: Clustering in R and SAS

ธุรกิจและนักวิจัยอาศัยการเรียนรู้ของเครื่องแบบไม่มีผู้ดูแลเพื่อค้นหารูปแบบที่ซ่อนอยู่และการจัดกลุ่มตามธรรมชาติในชุดข้อมูลที่ซับซ้อน การทำความเข้าใจวิธีการแบ่งส่วนข้อมูลโดยไม่มีป้ายกำกับที่กำหนดไว้ล่วงหน้าเป็นทักษะที่สำคัญสำหรับนักวิเคราะห์ข้อมูลหรือนักวิทยาศาสตร์ข้อมูลที่ต้องการ หลักสูตรนี้นำเสนอพื้นฐานเชิงแนวคิดที่ชัดเจนในการวิเคราะห์กลุ่ม โดยจะแนะนำคุณตั้งแต่คำศัพท์พื้นฐานไปจนถึงการนำไปปฏิบัติจริง คุณจะได้เรียนรู้วิธีเตรียมข้อมูลของคุณ เลือกอัลกอริทึมการจัดกลุ่มที่เหมาะสม และเขียนโค้ดที่สะอาดและสามารถทำซ้ำได้ทั้งใน SAS และ R เพื่อแก้ไขปัญหาการแบ่งส่วนข้อมูลในโลกแห่งความเป็นจริง สิ่งที่คุณจะได้เรียนรู้: - เข้าใจหลักการพื้นฐานของการเรียนรู้ของเครื่องแบบไม่มีผู้ดูแลและวิธีการที่การจัดกลุ่มแตกต่างจากการจำแนกประเภทแบบมีผู้ดูแล - เชี่ยวชาญเทคนิคการจัดกลุ่มแบบลำดับชั้น รวมถึงวิธีการรวมกลุ่ม และเรียนรู้วิธีตีความแผนภูมิดันโดรแกรม - นำการจัดกลุ่ม K-means แบบไม่เป็นลำดับชั้นไปใช้ และกำหนดจำนวนกลุ่มที่เหมาะสมโดยใช้แผนภูมิกราฟและเมตริกการประเมินสมัยใหม่ - เตรียมและปรับมาตรฐานข้อมูลดิบเพื่อให้แน่ใจว่าผลการจัดกลุ่มมีความแม่นยำและไม่เอนเอียง - เขียนและดำเนินการโปรแกรมการจัดกลุ่มโดยใช้ทั้งขั้นตอนของ SAS และเวิร์กโฟลว์การเขียนโปรแกรม R สมัยใหม่ - วิเคราะห์และตีความผลลัพธ์กลุ่มเพื่อดึงข้อมูลเชิงลึกทางธุรกิจและการตลาดที่นำไปปฏิบัติได้ คุณจะเริ่มต้นด้วยแนวคิดทางสถิติหลักของระยะทางและความคล้ายคลึงกันก่อนที่จะดำเนินการกับคำแนะนำการเขียนโปรแกรมทีละขั้นตอน เนื้อหาจะแนะนำคุณตลอดการประมวลผลข้อมูลล่วงหน้า การดำเนินการอัลกอริทึม และการตีความผลลัพธ์การจัดกลุ่มของคุณในขั้นสุดท้าย หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้น ผู้ที่ชื่นชอบข้อมูล และนักวิเคราะห์ระดับเริ่มต้นที่ต้องการขยายชุดเครื่องมือการเขียนโปรแกรมทางสถิติของตน โดยไม่จำเป็นต้องมีประสบการณ์การเรียนรู้ของเครื่องมาก่อน เริ่มอ่านวันนี้เพื่อปลดล็อกพลังของการเรียนรู้แบบไม่มีผู้ดูแลและเปลี่ยนข้อมูลดิบให้เป็นข้อมูลเชิงลึกที่มีโครงสร้าง