К содержимому
learnspaceYOUR NEXT CHAPTER
ПРОСТРАНСТВО ОБУЧЕНИЯ
ГлавнаяКаталог курсовМоё обучениеCoursera

Знания без границ

Учитесь у лучших университетов и компаний мира.

Открыть Coursera
Интеграция
Пространство университета
Моё пространствоСтраница курса
↵
ЯЛичный кабинетСтудент
© 2026 LearnSpaceКаждый день — возможность узнать больше.Помощь
Machine Learning e Data Mining in R · LearnSpace
Назад в каталог
courseraАнализ данных

Machine Learning e Data Mining in R

Курс от Università di Napoli Federico II
Средний≈ 30.7 чИтальянский
О курсеНавыкиПрограммаПреподаватели

О курсе

Il corso Machine Learning e Data Mining in R è rivolto a chiunque voglia avere una pratica panoramica delle tecniche di apprendimento automatico, dalle più interpretabili - come l’analisi di regressione, delle componenti principali e dei gruppi - a quelle più flessibili come le reti neurali artificiali, sia shallow che deep - e le più ricorrenti problematiche di analisi e modellazione di dati e problemi reali - come collinearità, overfitting, regolarizzazione e knowledge transfer. La modalità di erogazione del corso è di tipo learning by doing, mediante una continua implementazione in R dei concetti esposti. Le diverse unità ti verranno prima illustrate a voce, per permetterti di ricordare e capire, e poi rese disponibili sotto forma di reading, per permetterti di analizzarne criticamente il contenuto. Alla fine di ogni unità, verrai messo alla prova attraverso open Lab in ambiente di sviluppo RStudio, che ti permetteranno di applicare i metodi trattati nel corso ai tanti data set reali che ti saranno forniti. Ti verrà infine richiesto di valutare i tuoi progressi mediante graded quiz contenenti domande a risposta multipla. Non rimandare: Machine Learning e Data Mining in R sono ora a portata di mano!

Навыки, которые вы освоите

R ProgrammingRegression AnalysisArtificial Neural NetworksData WranglingData ManipulationDeep LearningGgplot2Dimensionality ReductionUnsupervised LearningMachine LearningMachine Learning AlgorithmsTidyverse (R Package)Exploratory Data AnalysisTransfer LearningMachine Learning MethodsSupervised LearningStatistical Machine LearningApplied Machine LearningData AnalysisR (Software)

Программа курса

4 модулей · 80 учебных материалов

01Elementi di R27 материалов

Introduzione al Corso di Data Mining e Machine Learning in R

Introduzione al corsoВидеоStruttura e contenuti del corsoЧтение

Introduzione ad R ed RStudio

Introduzione ad R ed RStudioВидеоIntroduzione ad R ed RStudio Чтение

Учитесь у экспертов

Antonio Lepore

Professore Associato di statistica per la ricerca sperimentale e tecnologica

Biagio Palumbo

Professore di statistica per la ricerca sperimentale e tecnologica

Carlo Sansone

Professore di Sistemi di Elaborazione delle Informazioni

Machine Learning e Data Mining in R
В каталоге вашей программы

Инвестируйте в себя

Новые знания — в удобное для вас время.

Начать на Coursera

Обучение откроется на Coursera
в новой вкладке

Обучение на Coursera

≈ 30.7 ч

4 модулей

Язык: Итальянский

Часть программы вашего университета
Installazione R ed RStudio (macOS)Видео
Installazione R ed RStudio (Windows)Видео
RStudio serverЛабораторная

R Onramp

R Onramp - IntroduzioneВидеоIntroduzione ad R: operazioni di base e strutture datiЧтениеIntroduzione ad R: funzioni e controllo del flussoЧтениеR Onramp - RecapВидеоRStudio: mettiti alla prova in RStudio!ЛабораторнаяR OnrampЗадание

Data Wrangling

Data wrangling - IntroduzioneВидеоDescrizione statistica di un data set multivariatoЧтениеReading: Data wranglingЛабораторнаяData wrangling - RecapВидеоRStudio: mettiti alla prova in RStudio!ЛабораторнаяData WranglingЗадание

Data visualization

Data visualization - IntroduzioneВидеоData visualization: variabile aleatoria normaleЧтениеReading: Data visualization: elementi di baseЛабораторнаяReading: Data visualization: ggplot2ЛабораторнаяData visualization - Recap ВидеоRStudio: mettiti alla prova in RStudio!ЛабораторнаяData visualizationЗадание

Quiz di fine week

Elementi di RЗадание
02Apprendimento automatico non supervisionato20 материалов

Introduzione all'apprendimento automatico

Introduzione all'apprendimento automaticoВидеоIntroduzione all'apprendimento automatico ЧтениеClassificazione predizione numerica clustering recapВидеоIntroduzione all'apprendimento automaticoЗадание

Analisi delle componenti principali (PCA)

Analisi delle componenti principali - Introduzione ВидеоReading: Analisi delle componenti principali - Parte IЛабораторнаяReading: Analisi delle componenti principali - Parte IIЛабораторнаяReading: Analisi delle componenti principali - Parte IIIЛабораторнаяAnalisi delle componenti principali - Recap ВидеоRStudio: mettiti alla prova in RStudio!ЛабораторнаяAnalisi delle componenti principali (PCA)Задание

Analisi dei gruppi (clustering)

Analisi dei gruppi (clustering) - IntroduzioneВидео Reading: Analisi dei gruppi (clustering): IntroduzioneЛабораторная Reading: Analisi dei gruppi (clustering): Clustering K-meansЛабораторная Reading: Analisi dei gruppi (clustering): Clustering gerarchicoЛабораторнаяAnalisi dei gruppi (clustering) - RecapВидеоRStudio: mettiti alla prova in RStudio!Лабораторная

RStudio Lab e Quiz di fine week

RStudio di fine weekЛабораторнаяApprendimento automatico non supervisionatoЗадание
03Apprendimento automatico supervisionato20 материалов

Predizione numerica: Analisi della regressione lineare

Analisi della regressione lineare - IntroduzioneВидеоDescrizione, inferenza, previsioneВидеоQuantificazione dell'incertezzaВидеоIntervalli di confidenza e previsioneВидеоIntervalli di confidenza e previsioneЧтениеRegressione lineare semplice - IntroduzioneВидеоRegressione lineare semplice - Interpretazione graficaВидеоReading: Regressione lineare sempliceЛабораторнаяRStudio: mettiti alla prova in RStudio!ЛабораторнаяReading: Regressione lineare multiplaЛабораторнаяAnalisi della regressione lineare - RecapВидеоRStudio: mettiti alla prova in RStudio!ЛабораторнаяPredizione numerica: Analisi della regressione lineareЗадание

Predizione numerica: Selezione degli attributi e regolarizzazione

Selezione degli attributi e regolarizzazione - IntroduzioneВидео Reading: Selezione del modello interpretativo miglioreЛабораторная Reading: Regolarizzazione (shrinkage) e PCRЛабораторнаяSelezione degli attributi e regolarizzazione - Recap ВидеоPredizione numerica: Selezione degli attributi e regolarizzazioneЗадание

RStudio Lab e Quiz di fine week

RStudio di fine weekЛабораторнаяApprendimento automatico supervisionatoЗадание
04Reti Neurali e Deep Learning13 материалов

Le Reti Neurali: dal percettrone al Deep Learning

Dal Percettrone al Deep LearningВидеоReti neurali: conosciamole meglioЧтениеIl percettrone di Rosenblatt (1957)ЧтениеIl MultiLayer Perceptron (MLP)ЧтениеL’algoritmo Back-Propagation (BP)ЧтениеMLP e problemi di classificazioneЧтениеDeep LearningЧтение Dal percetrone al deep learning recapВидео

Deep Neural Networks e Knowledge Transfer

Knowledge TransferВидеоConvolutional Neural Networks - CNNЧтениеKnowledge TransferЧтениеknowledge transfer recapВидео

Quiz di fine week

Reti neurali artificiali e Deep LearningЗадание
Analisi dei gruppi (clustering)Задание