R語言入門及應用組合包

=

你是否也遇過這些情況？

想從大數據中建置企業營運預測模型？ 

面對大數據時代的來臨，如何善用免費R語進行資料分析與建置企業營運預測模型，提供企業智慧服務應用，從大數據之中找出未來潛在趨勢特性，洞察先機，以做為企業組織策略發展、尋求突破與企業創新服務，將是企業提升經營績效與提供輔助決策的重要基礎。

本課程採用開放原始碼的R語言、免費RStudio軟體為工具。課程先從R語言與RStudio軟體進階操作為開端，包括理解%>%與%in%二個重要符號功能，學習正規表示式的使用。第二部分先以機器學習簡介與標準流程為開端，主題包括特徵工程應用、模型評估方法、非監督式學習應用(集群、關聯規則與主題模型)。第三部分進入監督式學習商業預測議題，內容先從簡單多元線性迴歸為基礎，後續包括廣義線性模型、天真貝氏法、K近鄰法、決策樹、隨機森林法、支持向量機、類神經網路、半監督式學習應用與集成學習應用。

最後部分，強調財金資料預測應用。課程先從財金資料的匯入與匯出為開始，緊接著是財金資料視覺化使用技巧，後續包括時間序列原理介紹與商業預測應用。

誰需要這門課程？

• 準備使用R語言進行大數據商業預測的規劃與執行人員
  
• 想理解大數據機器學習商業預測如何於職場中執行與應用
  
• 想使用集群分析技術，找出關鍵顧客與未來潛在顧客
  
• 想突破Excel軟體104萬餘筆的限制，提升大數據R語言能力，建立企業「預測思維」能力
  
• 想培養第二專長R語言商業預測的產官學人員。
  
• 想學習R語言，以作為未來學習其他大數據程式語言的基礎。
  

本課程獨家特色

提供所有教學範例的原始程式檔案與資料集，確保可以在R環境中實作完成

為什麼要學R?

也許，你會問「我明明學過Python了，為什麼還要多花時間學習R。」沒錯，在統計學中，Pythone與R為最受歡迎的軟體，前者主要是因為語法益於理理解⽽而被接受， 但後者優勢則是由⼤大量量統計學家研發套件、並有強⼤視覺化的功能易易於做商業分析與預判⽽而受市場肯定，此外，R也是Google和Facebook主要招聘條件之一。

Ｒ的優點

• 商界應用廣泛：許多大企業都要求的基本能力
  
• 最強的視覺化：將統計觀念視覺呈現，最容易作出預判與商業分析
  
• 強大學術地位：由全球統計學家研發的軟體，將學術引入實務，開發最適商業模型
  
• 各行業皆通用：現多利用數據與初級統計學概念做推論，R語言就是因統計而產生
  
• 適合商業應用：包含涵蓋廣泛主題的套件，如計量量經濟學，金融學和時間序列
  

學習目的

面對大數據時代的來臨，如何善用免費R語進行資料分析與建置企業營運預測模型，提供企業智慧服務應用，從大數據之中找出未來潛在趨勢特性，洞察先機，以做為企業組織策略發展、尋求突破與企業創新服務，將是企業提升經營績效與提供輔助決策的重要基礎。

本課程採用開放原始碼的R語言、免費RStudio軟體為工具。課程先從R語言與RStudio軟體進階操作為開端，包括理解%>%與%in%二個重要符號功能，學習正規表示式的使用。第二部分先以機器學習簡介與標準流程為開端，主題包括特徵工程應用、模型評估方法、非監督式學習應用(集群、關聯規則與主題模型)。第三部分進入監督式學習商業預測議題，內容先從簡單多元線性迴歸為基礎，後續包括廣義線性模型、天真貝氏法、K近鄰法、決策樹、隨機森林法、支持向量機、類神經網路、半監督式學習應用與集成學習應用。

最後部分，強調財金資料預測應用。課程先從財金資料的匯入與匯出為開始，緊接著是財金資料視覺化使用技巧，後續包括時間序列原理介紹與商業預測應用。 

課程目標

• 使學員使用R語言進行大數據商業預測
  
• 使學員俱備進行商業預測的機器學習標準流程，使該流程應用於實務職場環境
  
• 使學員俱備非監督式學習商業預測技能
  
• 使學員俱備監督式學習、半監督式學習應用與集成學習應用的商業預測技能
  

課程介紹

第1章 R，RStudio工具操作

1-1 熟悉R，RStudio進階操作

1-2 資料框物件的操作技巧

1-3 理解「()、[]、{}、[[、@、::」 常用特殊符號

1-4 符號 %>% 應用

1-5 符號 %in% 應用

1-6 如何使用SQL進行資料處理

1-7 篩選特定字串的正規表示式應用

1-8 好用的字串處理stringr套件

第2章 非監督式學習業預測

 2-1 機器學習簡介

2-2 機器學習CRISP-DM標準流程

2-3 特徵工程內涵(資料預處理、轉換與選擇)

2-4 數值預測模型評估指標

2-5 分類預測模型評估—混淆矩陣

2-6 分類預測模型評估—ROC曲線

2-7 分類預測模型評估—AUC應用

2-8 基礎K-Means集群法應用

2-9 階層式集群法應用

2-10 密度集群法應用

2-11 客戶RFM區隔分析整合應用

2-12 關聯規則與最佳銷售產品組合應用

2-13 中文斷字與主題模型預測應用

第3章 監督式學習商業預測

3-1 一定要會使用的多元線性迴歸

3-2 脊迴歸與LASSO迴歸應用

3-3 廣義線性模型於客戶流失預測分析

3-4 天真貝氏法應用

3-5 簡單K近鄰法

3-6 決策樹於信用卡分析應用

3-7 條件決策樹應用

3-8 隨機森林法於信用風險建模應用

3-9 支持向量機應用

3-10 類神經網路應用

3-11 半監督式學習應用

3-12 集成學習應用

3-13 練習案例1：人力資源保留預測模型

第4章 財金資料預測應用

4-1 財金資料匯入與匯出

4-2 財金資料視覺化應用

4-3 基礎移動平均與指數平滑法

4-4 時間序列ARIMA與GARCH模型應用

4-5 向量自我迴歸於股價預測應用

4-6 練習案例2：台指期tick預測模型

課程學習地圖

授課講師

中華R軟體學會常務理事

李 明昌

李明昌博士擅長於R/Python/Julia/SQL等語言程式設計與應用、資料視覺化、機器學習、統計品管與最佳化等研究方法與應用。不但在國內外知名期刊發表其研究成果，更多次擔任International Journal of Production Research、Transactions on Fuzzy Systems、Journal of the Operational Research Society、International Journal of Advanced Manufacturing Technology、Journal of Cleaner Production等SCI期刊評審委員。為了讓莘莘學子多加認識R等語言及應用，除了擔任教育部補助技專院校研究計畫的R語言程式設計講師，更積極到國內外各大專院校、資策會、工業技術研究院、國家發展委員會、中央氣象局、公平交易委員會、各縣市政府與日本名古屋產業大學等公民營單位演講，在R語言的研究應用方面，更是不遺餘力。

RWEPA網站：http://rwepa.blogspot.com/

常見問題說明

• 課程使用問題：請見此連結。
• 我什麼時候可以觀看課程？
  預購期間購買：課程正式上線即可觀看課程，課程上線時會發送開課通知E-mail。
  上線後購買：於購買完成後一個工作日內會開通。