Facebook Pixel

Fordypning i maskinlæring med R

Ønsker du å lære mer om de teoretiske aspektene ved metoder innen maskinlæring? Og hvordan du kan utnytte din teoretiske kunnskap i praksis ved bruk av programmeringsspråket R?

Dager: 2

Varighet: Fra klokken 09:00 til 15:00 begge dagene

Pris: 13500

Målsetning: Ved slutten av dette kurset skal du kunne identifisere forskjellen mellom en supervised og unsupervised maskinlæring, identifisere hvilken teknikk du trenger for å løse et bestemt problem, identifisere nyttige egenskaper for å skape tilpassede dataanalysløsninger for ulike bransjer, og skrive R kode for å utføre en data analyse. Som deltager får du innsikt i det teoretiske grunnlaget for metodene innen maskinlæring, og hvordan du bruker programmeringsspråket R for å analysere data fra en rekke praktiske situasjoner.

Kurskategori: AI, Maskinlæring og IoT

Kursdatoer er ikke helt avklart ennå, men kontakt [email protected] for påmelding!

Etter dette kurset vil du kjenne til de mest brukte verktøyene, algoritmene og modellene innen datavitenskap. Du får en god oversikt over de siste trendene innen maskinlæring og hvordan de kan brukes i din bedrift. 

Kursinnhold
Dette kurset vil introdusere deg til datavitenskap gjennom programmeringsspråket R. Du vil utvikle en dyp forståelse av prinsippene for maskinlæring og utlede praktiske løsninger ved hjelp av prediktiv analyse.

Introduksjon til R programmering

  • import og manipulering av data
  • indeksering og spørring med DataFrames og håndtering av manglende verdier
  • undersøkelse av dataene ved å manipulere, slå sammen og bruke aggregatfunksjoner i DataFrames


Datavisualisering i R

  • datavisualiseringer i ggplot biblioteket
  • hva som gjør en god eller dårlig visualisering
  • beste praksis for å lage grunnleggende diagrammer
  • opprette innsiktsfulle diagrammer som histogrammer, boksplott og kakediagrammer
     

Supervised maskinlæring i R

  • Linear regresjon
  • Logistisk regresjon
  • Support Vektor Maskiner
  • KNN
  • Decision trees, Random forest, Boosted trees
     

Unsupervised maskinlæring i R

  • K-Means clustering
  • Anbefalingssystemer
  • Tekst analyse

ML utfordringene

  • Hvilken metode velger man for å estimere parameter av modellen?
  • Hva er gradient descent og normal equation?
  • Features selection – hva er de beste egenskapene du kan bruke?
  • Overfitting – problem og løsning
  • Hvor kan jeg lære mer?

Forkunnskaper
Dette kurset er tilpasset for de som har deltatt på «Introduksjon til ML» kurs eller har noe erfaring med maskinlæring allerede, og ønsker å fordype seg mer i emnet. Kurset passer dersom du ønsker å jobbe med konkrete bedriftsproblemer og skape resultater i praksis. Tidligere erfaring med programmering i R er en fordel, men ikke et krav. NB! Kurset holdes på engelsk.

 

 

Kursdatoer er ikke helt avklart ennå, men kontakt [email protected] for påmelding!

Kursinstruktør

Yngve er en full stack Data Scientist og utvikler med sterk interesse for open source, data visualisering, programmering, forskning og kunnskapsformidling.

Yngve har en mastergrad i Data Science fra Norges miljø- og biovitenskapelige universitet (NMBU), og etter fullførte studier har han innehatt fulltids forsker- og undervisningsstillinger ved både NMBU og Universitetet i Oslo (UiO). Arbeidet har blant annet resultert i flere vitenskapelige publikasjoner og utvikling av programvare. I tillegg har Yngve vært ansvarlig for undervisning og kursinnhold i programmering på både høyere- og laveregradsnivå.

Ønsker du å samle flere ansatte til et bedriftsinternt kurs?

Finner du ikke det helt optimale kurset eller kombinasjonen av kurs? Da ordner vi det - sammen. Vi kan tilrettelegge kurs slik at de inneholder akkurat det dere har behov for. Vi kan sette opp et helt nytt kurs, eller tilpasse eksisterende kurs og materiell. Flere medarbeidere kan selvfølgelig også samles til et eget felles kurs, for maksimal effektivitet. Ta kontakt med meg for et forslag til gjennomføring og et tilbud basert på deres behov.

Henrik Buzzi
Produktansvarlig