Orange , R e Weka - Estatística, Data Mining e Visualização

Trabalhe com dados utilizando algoritmos de Machine Learning e muitas informações visuais

4.41 (16 reviews)

Udemy

platform

Português

language

Other

What you will learn

Entendendo o R

Instalação do R-studio e R

Primeiros passos com o R

Uso do help

Objetos no R

Tipos de objetos

Vetores

Matrizes

Data frames

Listas

Funções

Identificação de valores faltantes e especiais

Workspace do r(área de trabalho)

Salvar uma workspce

Leitura de uma workspace

Acesso pelo R-studio

Pacotes do R

Entendimento dos diferentes tipos de pacotes

Uso dos comandos library, intall package,require

Trabalhando com leitura de arquivos externos

Leitura através do R-studio

Lendo um arquivo na web

Sumarizando dados

Selecionando dados

Uso dos conectores lógicos

Gráficos (análise de dados e apresentação)

Exportando gráficos

Tipos de gráficos: Histogramas, Ramo e Folha, Box-plot, Gráfico de dispersão,Gráfico de barras, Setores

Programação: Comando FOR, Criando funções pelo R-studio, Uso de Estatísticas

Variáveis qualitativas: Nominais e Ordinais

Variáveis quantitativas: Discretas e Continuas

Análise univariada e bivariada

Teste de hipóteses

Teste de uma distribuição normal

Teste chi-quadrado para aderência

Comparação de duas médias

Comparação de médias múltiplas pelo teste de Tukey

Regressão linear simples,Regressão linear múltipla

Mineração de dados com o R

Uso do Google Vis (biblioteca gráfica do Google)

Machine Learning

Agrupamento, descoberta de grupos em dados

Classificação e modelagem preditiva

Algoritmos de Mineração

Análise Estatística

Trabalhando Widget: Color, Distributions, Pivot Table

Trabalhando Widget: Feature Statistics, Data Sample

Trabalhando com Widget::Paint Data

Trabalhando com Widget::Outliers ,Scatter Plot

Trabalhando com : Create Class

Trabalhando com :Select By data index

Trabalhando com :Edit Domain

Trabalhando com: Freeviz

Trabalhando com: Árvore de Decisão

Trabalhando com: Cluster - Imagens

Trabalhando com: Correlação

Trabalhando com: Cluster – K-means

Contexto da Mineração de Dados - Descoberta de conhecimento em banco de dados, Aplicações práticas

Entender o impacto da mineração de dados, Quais são os dados de entrada e saída na Mineração de Dados

Aprender as técnicas de Mineração de Dados (Conceitos Básicos, Aprendizado de Máquina)

Trabalhar com as técnicas: CLASSIFICAÇÃO, INDUÇÃO DE REGRAS, REGRAS DE ASSOCIAÇÃO, AGRUPAMENTO(CLUSTER) , REDES NEURAIS

Utilizar os algoritmos: ÁRVORES DE DECISÃO, APRIORI, KMEANS,ETC

Aprendizado Bayesiano (Operacionalização do conhecimento minerado e sua interpretação)

Validação do conhecimento descoberto

Aprendendo a utilizar o WEKA: uma ferramenta Java para Classificação, Associação, Clustering e Previsão

Explanação de Interfaces Visuais para interpretação e divulgação do conhecimento (Mineração Visual)

Entendimento e apresentação sobre MINERAÇÃO VISUAL- uso da biblioteca D3js

Screenshots

Orange , R e Weka - Estatística, Data Mining e Visualização - Screenshot_01

Orange , R e Weka - Estatística, Data Mining e Visualização - Screenshot_02

Orange , R e Weka - Estatística, Data Mining e Visualização - Screenshot_03

Orange , R e Weka - Estatística, Data Mining e Visualização - Screenshot_04