课程期望
了解本课程你将学习内容的简要介绍。
为什么选择这门课程？
欢迎来到这门面向中级水平的数据科学家的机器学习R语言课程。本课程涵盖构建能够解决现实世界问题的有价值机器学习模型所需的所有基础知识。
本课程采用R编程语言，因为R在政府、医疗保健、非营利组织和商业领域中被公认为数据科学家的首选工具：
R从最初设计就是用于数据分析的语言。
数据科学家常用的任何数据分析技术在R中都能找到。
R的库集合——
tidyverse——使数据科学家能用更少的代码完成更多工作。R的数据可视化能力无与伦比。
R的新框架
tidymodels（一组包的集合）让数据科学家能够快速构建有价值的机器学习模型，同时遵循最佳实践。
完成本课程后，你将掌握应用R进行机器学习的关键技能，为你的组织带来新的洞察并产生实际成果。
你将收获什么？
为了帮助学习者正确认识本课程的内容，请牢记以下要点：
机器学习是一个非常广泛的领域；本课程可能无法涵盖所有内容。
本课程将介绍三种广泛使用的机器学习技术：决策树、随机森林和XGBoost。
课程将讲解这三种技术背后的数学原理和逻辑基础。
课程使用表格形式的“小规模数据”，因为这是数据科学家在实践中最常遇到的数据类型。
高级场景（如加权数据和严重类别不平衡）不在本课程范围内。
机器学习模型的生产环境部署也不在本课程范围内。
本课程教授的是全球专业数据科学家普遍使用的技术。
课程先修要求
具备R编程经验，尤其是熟悉
tidyverse（如dplyr和ggplot2）。有意愿将数据科学技能提升到机器学习层面。
对数学知识感到舒适。
课程大部分内容所需的数学水平较低，适合广泛受众。课程最后部分涉及一种特定的机器学习技术（XGBoost），其数学要求较高。
对于有志于成为数据科学家的学习者来说，掌握本课程所教授的机器学习技术背后的数学知识，是招聘经理常见的期望。
学习成果
完成本课程后，学习者将达成以下学习目标：
理解监督学习的概念，并学会如何将机器学习应用于实际问题。
掌握分类问题与回归问题之间的区别。
学习CART决策树算法。
通过可视化探索数据，判断机器学习是否适用。
掌握随机森林和XGBoost机器学习技术。
理解偏差-方差权衡的重要性。
学会调整机器学习模型以防止过拟合。
通过特征工程打造最具价值的机器学习模型。
使用
tidyverse和tidymodels在R中构建有价值的机器学习模型。
祝你学习愉快！