Видавець: 8
Mark Hodnett, Joshua F. Wiley
Deep learning is a powerful subset of machine learning that is very successful in domains such as computer vision and natural language processing (NLP). This second edition of R Deep Learning Essentials will open the gates for you to enter the world of neural networks by building powerful deep learning models using the R ecosystem.This book will introduce you to the basic principles of deep learning and teach you to build a neural network model from scratch. As you make your way through the book, you will explore deep learning libraries, such as Keras, MXNet, and TensorFlow, and create interesting deep learning models for a variety of tasks and problems, including structured data, computer vision, text data, anomaly detection, and recommendation systems. You’ll cover advanced topics, such as generative adversarial networks (GANs), transfer learning, and large-scale deep learning in the cloud. In the concluding chapters, you will learn about the theoretical concepts of deep learning projects, such as model optimization, overfitting, and data augmentation, together with other advanced topics.By the end of this book, you will be fully prepared and able to implement deep learning concepts in your research work or projects.
R Deep Learning Projects. Master the techniques to design and develop neural network models in R
Yuxi (Hayden) Liu, Pablo Maldonado
R is a popular programming language used by statisticians and mathematicians for statistical analysis, and is popularly used for deep learning. Deep Learning, as we all know, is one of the trending topics today, and is finding practical applications in a lot of domains.This book demonstrates end-to-end implementations of five real-world projects on popular topics in deep learning such as handwritten digit recognition, traffic light detection, fraud detection, text generation, and sentiment analysis. You'll learn how to train effective neural networks in R—including convolutional neural networks, recurrent neural networks, and LSTMs—and apply them in practical scenarios. The book also highlights how neural networks can be trained using GPU capabilities. You will use popular R libraries and packages—such as MXNetR, H2O, deepnet, and more—to implement the projects. By the end of this book, you will have a better understanding of deep learning concepts and techniques and how to use them in a practical setting.
Prabhanjan Narayanachar Tattar, Yu-Wei, Chiu (David Chiu)
This cookbook offers a range of data analysis samples in simple and straightforward R code, providing step-by-step resources and time-saving methods to help you solve data problems efficiently.The first section deals with how to create R functions to avoid the unnecessary duplication of code. You will learn how to prepare, process, and perform sophisticated ETL for heterogeneous data sources with R packages. An example of data manipulation is provided, illustrating how to use the “dplyr” and “data.table” packages to efficiently process larger data structures. We also focus on “ggplot2” and show you how to create advanced figures for data exploration.In addition, you will learn how to build an interactive report using the “ggvis” package. Later chapters offer insight into time series analysis on financial data, while there is detailed information on the hot topic of machine learning, including data classification, regression, clustering, association rule mining, and dimension reduction.By the end of this book, you will understand how to resolve issues and will be able to comfortably offer solutions to problems encountered while performing data analysis.
R for Data Science. Learn and explore the fundamentals of data science with R
Toomey
If you are a data analyst who has a firm grip on some advanced data analysis techniques and wants to learn how to leverage the features of R, this is the book for you. You should have some basic knowledge of the R language and should know about some data science topics.
This book is targeted at R programmers who want to learn the graphing capabilities of R. This book will presume that you have working knowledge of R.
Jaynal Abedin, Hrishi V. Mittal
Targeted at those with an existing familiarity with R programming, this practical guide will appeal directly to programmers interested in learning effective data visualization techniques with R and a wide-range of its associated libraries.
Aloysius Shao Qin Lim, Tjhi W Chandra
This book is for programmers and developers who want to improve the performance of their R programs by making them run faster with large data sets or who are trying to solve a pesky performance problem.
R i pakiet shiny. Kurs video. Interaktywne aplikacje w analizie danych
Alicja Wolny-Dominiak
Obierz kurs na... analizę danych W dzisiejszej praktyce biznesowej duże znaczenie mają dane i ich analiza. W analizie zastosowanie znajduje wiele modeli statystycznych, implementowanych w różnych programach komputerowych. Na przykład Excel ma specjalny dodatek, nazwany po prostu Analiza Danych. Bardzo popularne narzędzie stanowi program R, którego zaletą jest łatwe tworzenie dashboardów obliczeniowych automatyzujących operacje na danych i rysowanie wykresów z użyciem pakietu shiny. Pakiet ten jest oprogramowaniem typu open source, przeznaczonym także dla osób, które nie znają języków HTML, CSS i JavaScript. Ba, by tworzyć eleganckie i wydajne aplikacje internetowe w języku R, nie trzeba nawet być programistą. Pakiet shiny pozwala na automatyzację obliczeń, wizualizację danych i szacowanie modeli statystycznych stworzonych w R. Wbudowane w niego funkcje ułatwiają pracę z danymi – ich eksplorowanie i prezentowanie. Oprogramowanie to służy również do tworzenia dynamicznych dashboardów i paneli sterowania, które łączą różne wykresy, tabele, filtry i opcje wyboru, aby przedstawiać dane w czytelny i interaktywny sposób. Za jego pośrednictwem można przygotowywać także raporty – do tego celu służą odpowiednie aplikacje. Proponowany przez nas kurs wyjaśnia zasady działania pakietu shiny i uczy, jak z niego korzystać. Nabyte umiejętności mogą być dalej bezpośrednio przydatne podczas pracy z danymi i w trakcie analizy procesów biznesowych. Co Cię czeka podczas naszego profesjonalnego szkolenia W ramach kursu: Dowiesz się, jak zacząć pracę z pakietem shiny w RStudio Poznasz budowę prostej aplikacji rysującej histogram z szablonu w RStudio Przyjrzysz się budowie podstawowego interfejsu użytkownika ui – domyślne ui w pakiecie shiny Zobaczysz, jak wygląda rozszerzony interfejs użytkownika z wykorzystaniem innych pakietów przeznaczonych do korzystania z shiny Opanujesz zasady tworzenia serwera obliczeniowego i renderowania obliczeń w interfejsie użytkownika ui Dowiesz się, jakie jest zastosowanie reaktywnych możliwości w pakiecie Zrobisz update interfejsu użytkownika w trakcie pracy Zapoznasz się z wybranymi pakietami, które można zastosować w aplikacji webowej do renderowania danych i wykresów Stworzysz mapę w aplikacji webowej R i pakiet shiny. Kurs video. Interaktywne aplikacje w analizie danych kończy się na poziomie średnio zaawansowanym. Szkolenie pozwoli użytkownikowi zrozumieć sposób tworzenia aplikacji webowej w pakiecie shiny. Dalszy rozwój umiejętności jest uzależniony od wiedzy z zakresu programowania w języku R i w innych językach, głównie w JavaScripcie. Do czego i komu przydaje się język R Tematyka kursu ma zastosowanie przede wszystkim w wypadku osób pracujących na stanowiskach, na których używa się różnorodnych danych. W trakcie ich obróbki często powtarzają się te same schematy obliczeniowe – niezależnie od tego, jak zmienne są dane, na których się pracuje. By ułatwić sobie zadanie, zamiast w kółko powtarzać te same obliczenia, można zbudować w shiny aplikację webową, która będzie miała zakodowane schematy obliczeniowe w serwerze – jedyną zmienną będą wówczas dane wejściowe. Automatyzacja obliczeń bywa skomplikowana, ale jakże upraszcza życie!