Mastering on Data Science and Machine Learning using R

আপনি যে ফেসবুক এ স্ট্যাটাস দিচ্ছেন, ইন্সটাগ্রাম এ ছবি পোস্ট করছেন, ইউটিউবে ভিডিও দেখছেন, লাইক, কমেন্ট করছেন এগুলোর সবই ডাটা। অর্থাৎ, আপনার প্রতিটি অ্যাকটিভি কোন না কোন ডাটা বা তথ্যের জন্ম দিচ্ছে। এখন এসব ডাটা আসলে কি কাজে ব্যবহার হচ্ছে এটা জেনে নিই। ফেসবুক এসব ডাটা ব্যবহার করে ইউজার দের জন্য সঠিক অ্যাডভারটাইজমেনট করে, অ্যামাজন […]

আপনি যে ফেসবুক এ স্ট্যাটাস দিচ্ছেন, ইন্সটাগ্রাম এ ছবি পোস্ট করছেন, ইউটিউবে ভিডিও দেখছেন, লাইক, কমেন্ট করছেন এগুলোর সবই ডাটা। অর্থাৎ, আপনার প্রতিটি অ্যাকটিভি কোন না কোন ডাটা বা তথ্যের জন্ম দিচ্ছে।

এখন এসব ডাটা আসলে কি কাজে ব্যবহার হচ্ছে এটা জেনে নিই। ফেসবুক এসব ডাটা ব্যবহার করে ইউজার দের জন্য সঠিক অ্যাডভারটাইজমেনট করে, অ্যামাজন ইউজার কোন পণ্য পছন্দ করে সেটা বের করতে পারবেন তারপর সে অনুযায়ী বিজ্ঞাপন দিতে পারে! এমন কোনো ইন্ডাস্ট্রি নাই যেখানে ডাটা নিয়ে কাজ হয় না , কিংবা ডাটা সায়েন্স এর অ্যাপ্লিকেশন নেই!

তাই যদি সহজে বলতে চাই ডাটা সাইন্স কি? তাহলে আমরা বলতে পারি যে, এটা এক ধরণের টেকনোলোজি যা ব্যবহার করে  আমরা বিভিন্ন ধরনের ডাটা থেকে আমরা মূল্যবান কিছু ডাটা/তথ্য বের করতে পারি। মূল্যবান তথ্যের একটা উদাহরণ হলো – গুগল ম্যাপ এ ট্রাফিক জ্যাম ট্র্যাকিং। 

যারা ডাটা সাইন্স নিয়ে কাজ করে,তাদেরকে বলা হয় ডাটা সাইন্টিস্ট।

ডাটা সাইন্স এ কাজ জন্য তিনটি প্রাথমিক দক্ষতার প্রয়োজন রয়েছে ১) ডেটা ম্যানিপুলেশন এবং এক্সট্রাকশন  ২) ডেটা ইকোসিস্টেমের ল্যাঙ্গুয়েজ, সাধারণত পাইথন বা আর (R) ৩) স্ট্যাটিস্টিক্স অ্যান্ড মেশিন লার্নিং।

ডাটা সাইন্স এর ব্যবহার :

ইন্টারনেট সার্চ: ডাটা সাইন্স সার্চ ইঞ্জিন-গুলোতে ব্যবহার করা হয় যাতে সেকেন্ডেরও কম সময়ে সবচেয়ে ভালো ফলাফল ব্যবহারকারী সামনে দিতে পারে।

ডিজিটাল বিজ্ঞাপন: ডিজিটাল বিল বোর্ডগুলি থেকে শুরু করে বিভিন্ন ওয়েবসাইটের ডিসপ্লে ব্যানার প্রায় সকল কাজে ডাটা সাইন্স এলগোরিদম ব্যবহার করে করা হয়।

রিকমেন্ডের সিস্টেম: এটার উদাহরণ Amazon-এর চেয়ে আর ভালো কিছু হতে পারে না। তারা শুধু আপনার পছন্দের সাথে সম্পর্কিত জিনিসগুলো তুলে ধরে না সাথে সাথে বিভিন্ন মানুষের অভিজ্ঞতার কথাও তুলে ধরে সেটা তারা ডাটা সাইন্স-এর মাধ্যমে করে থাকে।

আমাদের এই কোর্সে, একজন বিগিনার হিসেবে আপনি কিভাবে একজন ডাটা সায়েন্টিস্ট হয়ে উঠবেন এজন্য বিশ্বমানের লেসন ও গাইডলাইন পাবেন। রিসার্চ থেকে শুরু করে প্রোগ্রামিং পর্যন্ত প্রত্যেকটি বিষয়ই হাতে কলমে শিখতে পারবেন এই কোর্সটি থেকে। তাই প্রচুর সম্ভাবনাময় এই এই কোর্সটি এখুনি এনরোল করে নিন!

এই কোর্সে যা যা থাকছেঃ

Course Introduction

  1. Introduction to Course
  2. Course Curriculum
  3. What is Data Science?
  4. How to Get Help in the Course!
  5. Installation and Set-Up
  6. Windows Installation Procedure
  7. Development Environment Overview
  8. Course Notes

Introduction to R Basics

  1. Introduction to R Basics
  2. Arithmetic in R
  3. Variables
  4. R Basic Data Types
  5. Vector Basics
  6. Vector Operations
  7. Vector Indexing and Slicing
  8. Getting Help with R and RStudio
  9. Comparison Operators
  10. R Basics Training Exercise
  11. R Basics Training Exercise – Solutions Walkthrough

R Matrices

  1. Introduction to R Matrices
  2. Creating a Matrix
  3. Matrix Arithmetic
  4. Matrix Operations
  5. Matrix Selection and Indexing
  6. Factor and Categorical Matrices
  7. Matrix Training Exercise
  8. Matrix Training Exercises – Solutions Walkthrough

R Data Frames

  1. Introduction to R Data Frames
  2. Data Frame Basics
  3. Data Frame Indexing and Selection
  4. Overview of Data Frame Operations – Part 1
  5. Overview of Data Frame Operations – Part 2
  6. Data Frame Training Exercise
  7. Data Frame Training Exercises – Solutions Walkthrough

R Lists

  1. List Basics

Data Input and Output with R

  1. Introduction to Data Input and Output with R
  2. CSV Files with R
  3. Excel Files with R
  4. SQL with R
  5. Web Scraping with R

R Programming Basics

  1. Introduction to Programming Basics
  2. Logical Operators
  3. if, else, and else if Statements
  4. Conditional Statements Training Exercise
  5. Conditional Statements Training Exercise – Solutions Walkthrough
  6. While Loops
  7. For Loops
  8. Functions
  9. Functions Training Exercise
  10. Functions Training Exercise – Solutions

Advanced R Programming

  1. Introduction to Advanced R Programming
  2. Built-in R Features
  3. Apply
  4. Math Functions with R
  5. Regular Expressions
  6. Dates and Timestamps

Data Manipulation with R

  1. Data Manipulation Overview
  2. Guide to Using Dplyr
  3. Guide to Using Dplyr – Part 2
  4. Pipe Operator
  5. Dplyr Training Exercise
  6. Dplyr Training Exercise – Solutions Walkthrough
  7. Guide to Using Tidyr

Data Visualization with R

  1. Overview of ggplot2
  2. Histograms
  3. Scatterplots
  4. Barplots
  5. Boxplots
  6. 2 Variable Plotting
  7. Coordinates and Faceting
  8. Themes
  9. ggplot2 Exercises
  10. ggplot2 Exercise Solutions

 

Section: 11

 

Data Visualization Project

  1. Data Visualization Project

Interactive Visualizations with Plotly

  1. Overview of Plotly and Interactive Visualizations
  2. Resources for Plotly and ggplot2

Statistics Introduction

  1. Qualitative Data
  2. Frequency Distribution of Qualitative Data
  3. Relative Frequency Distribution of Qualitative Data
  4. Bar Graph
  5. Pie Chart
  6. Category Statistics

Quantitative Data

  1. Frequency Distribution of Quantitative Data
  2. Histogram
  3. Relative Frequency Distribution of Quantitative Data
  4. Cumulative Frequency Distribution
  5. Cumulative Frequency Graph
  6. Cumulative Relative Frequency Distribution
  7. Cumulative Relative Frequency Graph
  8. Stem-and-Leaf Plot
  9. Scatter Plot

Numerical Measures

  1. Mean
  2. Median
  3. Quartile
  4. Percentile
  5. Range
  6. Interquartile Range
  7. Box Plot
  8. Variance
  9. Standard Deviation
  10. Covariance
  11. Correlation Coefficient
  12. Central Moment
  13. Skewness
  14. Kurtosis

Probability Distributions

  1. Binomial Distribution
  2. Poisson Distribution
  3. Continuous Uniform Distribution
  4. Exponential Distribution
  5. Normal Distribution
  6. Chi-squared Distribution
  7. Student t Distribution
  8. F Distribution

 

Descriptive Statistics

  1. Using Base R to Generate Statistical Indicators
  2. Descriptive Statistics with the psych Package
  3. Descriptive Statistics with the pastecs Package
  4. Determining the Skewness and Kurtosis
  5. Computing Quantiles
  6. Determining the Mode
  7. Getting the Statistical Indicators by Group with DoBy
  8. Getting the Statistical Indicators by Group with DescribeBy
  9. Getting the Statistical Indicators by Group with stats

Creating Frequency Tables and Cross Tables

  1. Frequency Tables in Base R
  2. Frequency Tables with plyr
  3. Building Cross Tables using xtabs
  4. Building Cross Tables with CrossTable

Building Charts

  1. Histograms
  2. Cumulative Frequency Line Charts
  3. Column Charts
  4. Mean Plot Charts
  5. Scatterplot Charts
  6. Boxplot Charts

Checking Assumptions

  1. Checking the Normality Assumption – Numerical Method
  2. Checking the Normality Assumption – Graphical Methods
  3. Detecting the Outliers

Performing Univariate Analyses

  1. One-Sample T Test
  2. Binomial Test
  3. Chi-Square Test for Goodness-of-Fit

DataBase Data Extraction, Filtering, and Aggregation

  1. Getting Started
  2. Writing your first query
  3. Filters and Operands
  4. Aggregate Functions
  5. Grouping Aggregate Data with Group BY

Sorting, Conditional Filtering and Fuzzy Comparisons

  1. rder By and Limit
  2. Conditional Filtering with Case Statements
  3. Comparisons using LIKE
  4. Filtering the output of a query using HAVING

Multiple Tables and Dates

  1. Joining tables together
  2. Nested Queries
  3. Working with Dates

Introduction to Machine Learning with R

  1. Introduction to Machine Learning

Machine Learning with R – Linear Regression

  1. Introduction to Linear Regression
  2. Linear Regression with R – Part 1

Machine Learning Project – Linear Regression

  1. Introduction to Linear Regression Project
  2. ML – Linear Regression Project – Solutions Part 1

Machine Learning with R – Logistic Regression

  1. Introduction to Logistic Regression
  2. Logistic Regression with R – Part 1

Machine Learning Project – Logistic Regression

  1. Introduction to Logistic Regression Project
  2. Logistic Regression Project Solutions – Part 1

Machine Learning with R – K Nearest Neighbors

  1. Introduction to K Nearest Neighbors
  2. K Nearest Neighbors with R

Machine Learning Project – K Nearest Neighbors

  1. Introduction K Nearest Neighbors Project
  2. K Nearest Neighbors Project Solutions

Machine Learning with R – Decision Trees and Random Forests

  1. Introduction to Tree Methods
  2. Decision Trees and Random Forests with R

Machine Learning Project – Decision Trees and Random Forests

  1. Introduction to Decision Trees and Random Forests Project
  2. Tree Methods Project Solutions – Part 1

Machine Learning with R – Support Vector Machines

  1. Introduction to Support Vector Machines
  2. Support Vector Machines with R

Machine Learning Project – Support Vector Machines

  1. Introduction to SVM Project
  2. Support Vector Machines Project – Solutions Part 1

Machine Learning with R – K-means Clustering

  1. Introduction to K-Means Clustering
  2. K Means Clustering with R

Machine Learning Project – K-means Clustering

  1. Introduction to K Means Clustering Project
  2. K Means Clustering Project – Solutions Walkthrough

Machine Learning with R – Natural Language Processing

  1. Introduction to Natural Language Processing
  2. Natural Language Processing with R – Part 1
  3. Natural Language Processing with R – Part 2

Machine Learning with R – Neural Nets

  1. Introduction to Neural Nets
  2. Neural Nets with R

Machine Learning Project – Neural Nets

  1. Introduction to Neural Nets Project
  2. Neural Nets Project – Solutions

                                                                     -: সাধারণ জিজ্ঞাসা :-

কোর্সটি কিভাবে করবো ? ভিডিওর মাধ্যমে দেখতে এখানে ক্লিক করুন

Amader Academy একটি পূর্ণাঙ্গ ই – লার্নিং প্লাটফর্ম। এই কোর্সটি আপনি বাসায় বসে কম্পিউটার বা মোবাইলের মাধ্যমে যে কোন সময় করতে পারবেন। কিভাবে কোর্সটি করবেন উপরের ভিডিওর মাধ্যমে দেখে নিন। 

আমি কিভাবে এই অনলাইন কোর্সটি কিনতে পারবো ? ভিডিওর মাধ্যমে দেখতে এখানে ক্লিক করুন 

বিকাশ /রকেট /নগদ অথবা আমাদের অফিসে এসে মূল্য পরিশোধ করলে কোর্সের লাইফ-টাইম অ্যাক্সেস পেয়ে যাবেন। এবং যে কোন সময় লগইন করে কোর্সটি করতে পারবেন। কিভাবে এই অনলাইন কোর্সটি কিনবেন উপরের ভিডিওর মাধ্যমে দেখে নিন।

Course Introduction

1
Course Introduction
2
Course Curriculum
3
What is Data Science?
4
How to Get Help in the Course!
5
Installation and Set-Up
6
Windows Installation Procedure
7
Development Environment Overview
8
Course Notes

Introduction to R Basics

1
Introduction to R Basics
2
Arithmetic in R
3
Variables
4
Variables
5
Vector Basics
6
Vector Operations
7
Vector Indexing and Slicing
8
Getting Help with R and RStudio
9
Comparison Operators
10
R Basics Training Exercise
11
R Basics Training Exercise – Solutions Walkthrough

R Matrices

1
Introduction to R Matrices
2
Creating a Matrix
3
Matrix Arithmetic
4
Matrix Operations
5
Matrix Selection and Indexing
6
Factor and Categorical Matrices
7
Matrix Training Exercise
8
Matrix Training Exercises – Solutions Walkthrough

R Data Frames

1
Introduction to R Data Frames
2
Data Frame Basics
3
Data Frame Indexing and Selection
4
Overview of Data Frame Operations – Part 1
5
Overview of Data Frame Operations – Part 2
6
Data Frame Training Exercise
7
Data Frame Training Exercises – Solutions Walkthrough

R Lists

1
List Basics

Data Input and Output with R

1
Introduction to Data Input and Output with R
2
CSV Files with R
3
Excel Files with R
4
SQL with R
5
Web Scraping with R

R Programming Basics

1
Introduction to Programming Basics
2
Logical Operators
3
if, else, and else if Statements
4
Conditional Statements Training Exercise
5
Conditional Statements Training Exercise – Solutions Walkthrough
6
While Loops
7
For Loops
8
Functions
9
Functions Training Exercise
10
Functions Training Exercise – Solutions

Advanced R Programming

1
Introduction to Advanced R Programming
2
Built-in R Features
3
Apply
4
Math Functions with R
5
Regular Expressions
6
Dates and Timestamps

Data Manipulation with R

1
Data Manipulation Overview
2
Guide to Using Dplyr
3
Guide to Using Dplyr – Part 2
4
Pipe Operator
5
Dplyr Training Exercise
6
Dplyr Training Exercise – Solutions Walkthrough
7
Guide to Using Tidyr

Data Visualization with R

1
Overview of ggplot2
2
Histograms
3
Scatterplots
4
Barplots
5
2 Variable Plotting
6
Coordinates and Faceting
7
Themes
8
ggplot2 Exercises
9
ggplot2 Exercise Solutions

Data Visualization Project

1
Data Visualization Project

Interactive Visualizations with Plotly

1
Overview of Plotly and Interactive Visualizations
2
Resources for Plotly and ggplot2

Statistics Introduction

1
Qualitative Data
2
Frequency Distribution of Qualitative Data
3
Relative Frequency Distribution of Qualitative Data
4
Bar Graph
5
Pie Chart
6
Category Statistics

Quantitative Data

1
Frequency Distribution of Quantitative Data
2
Histogram
3
Relative Frequency Distribution of Quantitative Data
4
Cumulative Frequency Distribution
5
Cumulative Frequency Graph
6
Cumulative Relative Frequency Distribution
7
Cumulative Relative Frequency Graph
8
Stem-and-Leaf Plot
9
Scatter Plot

Numerical Measures

1
Mean
2
Median
3
Quartile
4
Percentile
5
Range
6
Interquartile Range
7
Interquartile Range
8
Box Plot Interquartile Range
9
Variance
10
Standard Deviation
11
Covariance
12
Correlation Coefficient
13
Central Momen
14
Skewness
15
Kurtosis

Probability Distributions

1
Binomial Distribution
2
Poisson Distribution
3
Continuous Uniform Distribution
4
Exponential Distribution
5
Normal Distribution
6
Chi-squared Distribution
7
Student t Distribution
8
F Distribution

Descriptive Statistics

1
Using Base R to Generate Statistical Indicators
2
Descriptive Statistics with the psych Package
3
Descriptive Statistics with the pastecs Package
4
Determining the Skewness and Kurtosis
5
Computing Quantiles
6
Determining the Mode
7
Getting the Statistical Indicators by Group with DoBy
8
Getting the Statistical Indicators by Group with DescribeBy
9
Getting the Statistical Indicators by Group with stats

Creating Frequency Tables and Cross Tables

1
Frequency Tables in Base R
2
Frequency Tables with plyr
3
Building Cross Tables using xtabs
4
Building Cross Tables with CrossTable

Building Charts

1
Histograms
2
Cumulative Frequency Line Charts
3
Column Charts
4
Mean Plot Charts
5
Scatterplot Charts
6
Boxplot Charts

Checking Assumptions

1
Checking the Normality Assumption – Numerical Method
2
Checking the Normality Assumption – Graphical Methods
3
Detecting the Outliers

DataBase Data Extraction

Filtering

and Aggregation

1
Getting Started
2
Writing your first query
3
Filters and Operands
4
Aggregate Functions
5
Grouping Aggregate Data with Group BY

Sorting

Conditional Filtering and Fuzzy Comparisons

1
Order By and Limit
2
Conditional Filtering with Case Statements
3
Comparisons using LIKE
4
Filtering the output of a query using HAVING

Multiple Tables and Dates

1
Joining tables together
2
Nested Queries
3
Working with Dates

Introduction to Machine Learning with R

1
Introduction to Machine Learning

Machine Learning with R - Linear Regression

1
Introduction to Linear Regression
2
Linear Regression with R – Part 1
3
Introduction to Linear Regression Project
4
ML – Linear Regression Project – Solutions Part 1

Machine Learning with R - Logistic Regression

Machine Learning with R - Logistic Regression

Machine Learning with R - Logistic Regression

1
Introduction to Logistic Regression
2
Logistic Regression with R – Part 1
3
Introduction to Logistic Regression Project
4
Logistic Regression Project Solutions – Part 1

Machine Learning with R - K Nearest Neighbors

1
Introduction to K Nearest Neighbors
2
K Nearest Neighbors with R
3
Machine Learning Project – K Nearest Neighbors
4
Introduction K Nearest Neighbors Project
5
K Nearest Neighbors Project Solutions

Machine Learning with R - Decision Trees and Random Forests

1
Introduction to Tree Methods
2
Decision Trees and Random Forests with R
3
Machine Learning Project – Decision Trees and Random Forests
4
Introduction to Decision Trees and Random Forests Project
5
Tree Methods Project Solutions – Part 1

Machine Learning with R - Support Vector Machines

1
Introduction to Support Vector Machines
2
Support Vector Machines with R
3
Machine Learning Project – Support Vector Machines
4
Introduction to SVM Project
5
Support Vector Machines Project – Solutions Part 1

Machine Learning with R - K-means Clustering

1
Introduction to K-Means Clustering
2
K Means Clustering with R
3
Machine Learning Project – K-means Clustering
4
Introduction to K Means Clustering Project
5
K Means Clustering Project – Solutions Walkthrough

Machine Learning with R - Natural Language Processing

1
Introduction to Natural Language Processing
2
Natural Language Processing with R – Part 1
3
Natural Language Processing with R – Part 2

Machine Learning with R - Neural Nets

1
Introduction to Neural Nets
2
Neural Nets with R
3
Machine Learning Project – Neural Nets
4
Introduction to Neural Nets Project
5
Neural Nets Project – Solutions
Amader Academy একটি পূর্ণাঙ্গ ই – লার্নিং প্লাটফর্ম। এই কোর্সটি আপনি বাসায় বসে কম্পিউটার বা মোবাইলের মাধ্যমে যে কোনো সময় করতে পারবেন। কিভাবে কোর্সটি করবেন এই ভিডিওর মাধ্যমে দেখে নিন- https://youtu.be/vUnZ_DMSSNg
আপনি কিভাবে কোর্সটি কিনবেন এবং কোর্স অ্যাক্সেস পাবেন তা এই ভিডিওটি দেখলে বুঝতে পারবেন। https://youtu.be/M-ibn-MKFyU

Be the first to add a review.

Please, login to leave a review
Mastering on Data Science and Machine Learning using R
Price:
18,000 TK