R語言培訓班

       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(yè)，有豐富的理論素養(yǎng)，十多年實際項目經歷，開發(fā)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。

       更多師資力量信息請參見端海師資團隊，請點擊這兒查看。

　    ☆資深工程師授課

        
        ☆注重質量
        ☆邊講邊練
        ☆合格學員免費推薦工作

        ☆合格學員免費頒發(fā)相關工程師等資格證書，提升您的職業(yè)資質

        專注高端培訓15年，端海提供的證書得到本行業(yè)的廣泛認可，學員的能力
        得到大家的認同，受到用人單位的廣泛贊譽。

        ★實驗設備請點擊這兒查看★

        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；
        2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
        3、培訓合格學員可享受免費推薦就業(yè)機會。

第1部分快速入門
第2部分向量
第3部分矩陣和數組
第4部分列表
第5部分數據框
第6部分因子和表
第7部分R語言編程結構
第8部分數學運算與模擬
第9部分面向對象的編程
第10部分輸入與輸出
第11部分字符串操作
第12部分繪圖
第13部分調試
第14部分性能提升：速度和內存
第15部分R與其他語言的接口
第16部分R語言并行計算

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，詳細介紹強大的數據清洗整理plyr、zoo、car等常用包和強大的作圖ggplot2包，為使用R語言進行數據挖掘打下扎實的工具基礎。

主要案例：

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；

案例3：如何使用R語言進行分層或者整群抽樣構建訓練集與測試集；

案例4：使用ggplot2畫出各種復雜的圖形。?

第二講：Logistic回歸與商業(yè)大數據建模

Logistic回歸是商業(yè)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(qū)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。

2：R數據挖掘(一)
2.1 數據挖掘工業(yè)流程
2.2 先修統(tǒng)計知識
2.3 挖掘預處理
2.4 線性回歸
2.5 logistic回歸
2.6 模型評價

主要案例：

?案例1：利用Logistic回歸幫助商業(yè)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(yī)生對病人選擇最佳治療方案；

?案例3：利用Logistic回歸幫助廠家分析顧客做出購買決策的重要因素；

?案例4：利用Logistic回歸幫助壽險公司進行目標客戶精準電話營銷；

?案例5：利用Logistic回歸幫助商業(yè)銀行完成對客戶的信用評分；

?案例6：利用Logistic回歸幫助公司分析客戶流失的原因并做好預測。

第三講：關聯規(guī)則和R語言實現

關聯規(guī)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(guī)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(guī)則分析。

主要案例：

案例1：使用R語言關聯規(guī)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）；

案例2：泰坦尼克號乘客幸存的關聯規(guī)則分析；

案例3：提高個人收入的關聯分析。

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(yè)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(yè)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1：對著名的鳶尾花數據進行支持向量機的分析；

案例2：使用支持向量機識別有毒蘑菇；

案例3：使用支持向量機進行股票指數預測。

第八講：神經網絡和R語言的實現

神經網絡由大量的節(jié)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(fā)現有價值的信息，抽取潛在有用的數據，發(fā)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）