Machine Learning com R: uma introdução prática de Robert Muenchen na Machine Learning Week, Las Vegas

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br


[Esteartigofoipublicadopelaprimeiravezem[Thisarticlewasfirstpublishedon R-posts.com, e gentilmente contribuiu para os R-blogueiros]. (Você pode relatar um problema sobre o conteúdo desta página aqui)


Deseja compartilhar seu conteúdo com R-blogueiros? clique aqui se você tiver um blog ou aqui se não tiver.

Participe do workshop de Robert Muenchen sobre Machine Learning com R na Machine Learning Week de 31 de maio a 4 de junho de 2020 em Las Vegas!

Descrição da oficina
O Workshop ocorrerá em 31 de maio de 2020.

O R oferece uma ampla variedade de funções de aprendizado de máquina (ML), cada uma das quais funciona de uma maneira ligeiramente diferente. Este workshop prático de um dia começa com os conceitos básicos de ML e leva você passo a passo por estilos de modelagem cada vez mais complexos. Este workshop facilita a modelagem de ML através do uso de pacotes que padronizam a maneira como as várias funções funcionam. Quando terminar, você poderá usar R para aplicar os modelos de aprendizado de máquina mais populares e eficazes para fazer previsões e avaliar a provável precisão dessas previsões.

O instrutor orientará os participantes na execução prática com R, cobrindo:

    • Uma breve introdução às funções ordenadas de R, incluindo uma comparação dos pacotes de sinal de intercalação e pastinaga
    • Pré-processamento de dados
    • Selecionando variáveis
    • Particionando dados para desenvolvimento e validação de modelo
    • Definindo controles de treinamento do modelo
    • Desenvolvimento de modelos preditivos usando Bayes ingênuos, árvores de classificação e regressão, florestas aleatórias, máquinas de aumento de gradiente e redes neurais (mais, se o tempo permitir)
    • Avaliando a eficácia do modelo usando medidas de precisão e visualização
    • Interpretando o que os modelos de “caixa preta” estão fazendo internamente
Leia Também  Reamostragem de bootstrap com dados de produção de cerveja #TidyTuesday[0][Esteartigofoipublicadopelaprimeiravezem[Thisarticlewasfirstpublishedon Rstats em Julia Silge, e gentilmente contribuiu para os R-blogueiros]. (Você pode relatar um problema sobre o conteúdo desta página aqui)Deseja compartilhar seu conteúdo com R-blogueiros? clique aqui se você tiver um blog ou aqui se não tiver.Venho publicando screencasts demonstrando como usar a estrutura tidymodels, desde as primeiras etapas da modelagem até como ajustar modelos mais complexos. Hoje, estou usando esta semana #TidyTuesday conjunto de dados na produção de cerveja para mostrar como usar a reamostragem de autoinicialização para estimar os parâmetros do modelo. Aqui está o código que usei no vídeo, para quem prefere ler em vez de ou além do vídeo.Explore os dadosNosso objetivo de modelagem aqui é estimar quanto açúcar produtores de cerveja usam em relação a malte de acordo com o conjunto de dados #TidyTuesday. Usaremos a reamostragem de autoinicialização para fazer isso! Primeiro, vamos analisar os dados sobre os materiais de fermentação.library(tidyverse)brewing_materials_raw % count(type, wt = month_current, sort = TRUE)## # A tibble: 12 x 2## type n## ## 1 Total Used 53559516695## 2 Total Grain products 44734903124## 3 Malt and malt products 32697313882## 4 Total Non-Grain products 8824613571## 5 Sugar and syrups 6653104081## 6 Rice and rice products 5685742541## 7 Corn and corn products 5207759409## 8 Hops (dry) 1138840132## 9 Other 998968470## 10 Barley and barley products 941444745## 11 Wheat and wheat products 202642547## 12 Hops (used as extracts) 33700888Como alguns materiais diferentes de fabricação de cerveja mudaram ao longo do tempo?brewing_filtered % filter( type %in% c( "Malt and malt products", "Sugar and syrups", "Hops (dry)" ), year % mutate( date = paste0(year, "-", month, "-01"), date = lubridate::ymd(date) )brewing_filtered %>% ggplot(aes(date, month_current, color = type)) + geom_point()Existem fortes padrões anuais nesses materiais. Queremos medir quanto os produtores de cerveja com açúcar usam em relação ao malte.brewing_materials % select(date, type, month_current) %>% pivot_wider( names_from = type, values_from = month_current ) %>% janitor::clean_names()brewing_materials## # A tibble: 94 x 4## date malt_and_malt_products sugar_and_syrups hops_dry## ## 1 2008-01-01 374165152 78358212 4506546## 2 2008-02-01 355687578 80188744 1815271## 3 2008-03-01 399855819 78907213 6067167## 4 2008-04-01 388639443 81199989 6864440## 5 2008-05-01 411307544 89946309 7470130## 6 2008-06-01 415161326 81012422 7361941## 7 2008-07-01 405393784 76728131 1759452## 8 2008-08-01 389391266 83928121 5992025## 9 2008-09-01 362587470 71982604 3788942## 10 2008-10-01 353803777 42828943 3788949## # … with 84 more rowsbrewing_materials %>% ggplot(aes(malt_and_malt_products, sugar_and_syrups)) + geom_smooth(method = "lm") + geom_point()Há muita variação nesse relacionamento, mas os reprodutores de cerveja usam mais açúcar quando usam mais malte. Qual é a relação?library(tidymodels)beer_fit |t|) ## malt_and_malt_products 0.205804 0.003446 59.72

Hardware: Traga seu próprio laptop
É necessário que cada participante da oficina traga seu laptop. As instruções de instalação do software estão disponíveis em http://r4stats.com/workshops/PAW2020. Os participantes recebem uma cópia eletrônica dos materiais do curso e do código R relacionado após o workshop.

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br

Veja mais informações sobre o workshop aqui.



Se você chegou até aqui, por que não inscreva-se para atualizações do site? Escolha seu sabor: e-mail, Twitter, RSS ou facebook …



cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br