Ml & Ai

20 parasta tekoäly- ja koneoppimisprojektia

20 Best Artificial Intelligence

Koti ML & AI 20 parasta tekoäly- ja koneoppimisprojektia LähettäjäMehedi Hasan SisäänML & AI 5740 0

SISÄLLYS

  1. Parhaat tekoäly- ja koneoppimisprojektit
    1. 1. Sosiaalisen median tunteiden analysoija
    2. 2. Iris -kukkien luokittelu
    3. 3. Tuotepakettien tunnistaminen myyntitiedoista
    4. 4. Musiikkisuositusjärjestelmä
    5. 5. Koneoppimisen gladiaattori
    6. 6. TensorFlow
    7. 7. BigMartin myyntiennuste
    8. 8. Ennusta viinin laatua
    9. 9. Scikit-oppia
    10. 10. Walmartin myynnin ennustaminen
    11. 11. MNIST Handwritten Digit -luokitus
    12. 12. Theano
    13. 13. Useiden luokitusten käyttötapausten ratkaiseminen käyttämällä H2O: ta
    14. 14. Kova
    15. 15. PyTorch
    16. 16. Taudin ennustaminen
    17. 17. Osakkeen hinnan ennustaminen
    18. 18. A Suositellut järjestelmät Movielens -tietojoukon avulla
    19. 19. Ihmisen toiminnan tunnistusjärjestelmä
    20. 20. Neon
    21. Loppu ajatukset

Tässä nykyisessä teknologiavetoisessa maailmassa koneoppiminen on merkittävä alue, joka tekee koneestamme tai elektronisesta laitteestamme älykkään. Tämän kentän tarkoituksena on muuttaa yksinkertainen kone mielen koneeksi.Tässä artikkelissa tutkimme koneoppimista ja tekoälyprojekteja kiinnostuksen lisäämiseksi. Koska nämä AI- ja ML -projektit ovat niin kilpailukykyisiä, hankalia ja mielenkiintoisia kehittää.Uskon vakaasti, että nämä projektit ovat paras paikka sijoittaa aikaa ja taitoja. Jatkakaamme tutkimaan mielenkiintoisia, innovatiivisia ja helppoja koneoppimisprojekteja.





Parhaat tekoäly- ja koneoppimisprojektit


koneoppimisprojektejaAlla kerromme 20 parasta koneoppimisen aloitusta ja projektia. Jos olet aloittelija tai uusi tulokas tässä koneoppimisen maailmassa, ehdotan, että menet ensin koneoppimiskurssille. Täällä olemme luetelleet koneoppimisen kursseja. Aloitetaan nyt yksityiskohdilla.

1. Sosiaalisen median tunteiden analysoija


sosiaalisen median tunteiden analyysi





Tämä on yksi mielenkiintoisista ja innovatiivisista koneoppimisprojekteista. Sosiaalinen media, kuten Facebook, Twitter ja YouTube, on suuren datan valtameri. Siksi näiden tietojen louhinta voi olla hyödyllistä useilla tavoilla ymmärtää käyttäjien tunteita ja mielipiteitä.

Lisäksi tämä projekti voi olla tehokas digitaalisessa markkinoinnissa ja brändäyksessä ymmärtääkseen asiakkaan tuotteen tai palvelun mielipiteen tai reaktion. Jos haluat ymmärtää tämän projektin toiminnallisuuden, katso esimerkki tässä .



Projektin kohokohdat

  • Tämä on yksi koneoppimis- ja tekoälyhankkeista aloittelijoille pythonissa.
  • Järjestelmän kouluttamiseksi projektin kehittäjä voi auttaa meitä julkaisemalla sosiaalisen median viestejä, lähettämällä tekstiviestejä tai antamalla asiakasarvosteluja järjestelmävaatimusten perusteella.
  • Aloittelijoille Twitter -tiedot voivat olla hyödyllisiä, koska twiitti sisältää hashtagin, sijainnin ja monia muita helppoja analysoida.
  • Käyttämällä Twitter -tietojoukkoa voi saada paljon dataa, koska se koostuu 31 962 twiitistä.
  • Aloittelijana voit rakentaa mallisi luokittelemaan tiedot positiivisiksi tai negatiivisiksi.

2. Iris -kukkien luokittelu


Irlantilainen kukka -luokitus

Jos olet aloittelija koneoppimisen maailmassa, tämä helppo koneoppimisen aloitus aloittelijoille pythonissa sopii sinulle. Tätä projektia kutsutaan myös koneoppimisprojektien Hello Worldiksi. Voit kehittää tätä projektia myös R: ssä.

Tätä projektia voidaan kehittää käyttämällä valvottu menetelmä kuten koneoppimisen tukivektori -menetelmä. Irlantilaisten kukkien aineistolla on numeerisia ominaisuuksia, eli sepal ja terälehden pituus ja leveys. Aloittelijana sinun on selvitettävä, miten tietoja hyödynnetään.

Projektin kohokohdat

  • Iris-kukka-aineisto on pieni, eikä sitä tarvitse käsitellä etukäteen.
  • Voit ladata tämän Iris -kukka -aineiston osoitteesta tässä .
  • Tämän AI -projektin tehtävänä on luokitella kukat kolmeen lajiin - virginica, setosa tai versicolor.
  • Lähdekoodin saat osoitteesta GitHub .

3. Tuotepakettien tunnistaminen myyntitiedoista


tuotepaketit

Hanke nimeltä 'Tuotepakettien tunnistaminen myyntitiedoista' on yksi mielenkiintoisista koneoppimisprojekteista R: ssä. Tämän projektin kehittämiseksi R: ssä sinun on käytettävä klusterointitekniikkaa, joka on subjektiivinen segmentointi selvittääksesi tuotepaketit myyntitiedoista .

mikä on ja

Projektin kohokohdat

  • Tämän projektin kehittämiseksi sinun on tiedettävä datatiedettä. Tässä hahmottelimme datatieteen kursseja.
  • Käytetty kieli: R
  • Sinun on myös tiedettävä koneoppimismenetelmät, kuten valvomaton menetelmä ryhmittelyä varten.
  • Markkinoiden korianalyysin on käytettävä nippujen tunnistamiseen.

Neljä. Musiikkisuositusjärjestelmä


musiikkisuositusjärjestelmä

Oletko musiikin ystävä? Rakastatko aina kuunnella suosikkiasi? Sitten sinun on ilo tietää tästä mielenkiintoisesta koneoppimisprojektin ideasta. Tämä voi olla myös innovatiivinen projekti. Tämän projektin tavoitteena on suositella musiikkia käyttäjän kuunteluhistorian perusteella.

Projektin kohokohdat

  • Tämä tekoälyn käynnistys voidaan kehittää käyttämällä molempia kieliä, eli pythonia ja R.
  • Koulutus- ja testitietojoukon luomiseksi sinun on kerättävä tietoja tietyn ajanjakson käyttäjän kuunteluhistoriasta.
  • Koulutus- ja testaustiedot on jaettu ajan mukaan.
  • Saat aineiston ja projektikuvauksen osoitteesta tässä .

5. A Koneoppimisen gladiaattori


Se on erittäin helppo koneoppiminen ja tekoälyprojekti -idea, jos olet aloittelija. Tämä projekti auttaa sinua lisäämään tietämystä mallin rakentamisen työnkulusta. Kehittämällä tätä projektia voit harjoitella tietojen tuontia, tietojen puhdistamista, esikäsittelyä ja muuntamista, ristivalidointia ja ominaisuuksien suunnittelua.

Tämän projektin korostus

  • Sinun on tiedettävä regressio-, luokitus- ja ryhmittelyalgoritmit.
  • Löydät tietojoukon osoitteesta UCI Machine Learning -varasto tai kaggle .
  • Voit kehittää tätä projektia molemmilla kielillä, eli pythonilla ja R.
  • Kehittämällä tätä projektia opit nopeasti prototyyppimalleista.

6. TensorFlow


tensorflow

Haluatko parantaa koneoppimistasi? Voit harjoittaa tätä monipuolista tekoäly- ja koneoppimisohjelmistoa ja -kehystä parantaaksesi tietämystäsi. TensorFlow on yksi parhaista ja suosituimmista koneoppimisen avoimen lähdekoodin projekteista. Pohjimmiltaan se on osa Google Brain -tiimiä Googlen Machine Intelligence Research -organisaatiossa. GitHub -linkki on tässä .

Projektin kohokohdat

  • Tämä on avoimen lähdekoodin ohjelmistokirjasto.
  • Sitä käytetään numeeriseen laskentaan datavirtakaavioiden avulla.
  • Nopea ja joustava monenlaisiin sovelluksiin.
  • Siinä on helppokäyttöinen python-käyttöliittymä.
  • Lisäksi se sisältää Java -sovellusliittymiä.

7. BigMartin myyntiennuste


myynnin ennuste

Oletko aloittelija? Haluatko oppia rakentamaan koneoppimismallin? Sitten haku päättyy tähän. Tämä BigMartin myyntiennuste on yksi helpoimmista koneoppimis- ja tekoälyprojekteista aloittelijoille pythonissa. Tämä on myös datatiehanke. Tämän projektin tarkoituksena on kehittää ennustava malli ja selvittää kunkin tuotteen myynti tietyssä BigMart -myymälässä.

Projektin kohokohdat

  • Tämä aineisto koostuu vuoden 2013 myyntitiedoista 1559 tuotteesta 10 eri toimipisteessä.
  • Sinun on luotava regressiomalli kunkin 1559 tuotteen myynnin ennustamiseksi.
  • Kehittämällä tätä projektia voit ymmärtää myyntitietojen visualisoinnin.
  • Tiedät kuinka soveltaa koneoppimisen tekniikoita myynnin ennustamiseen Pythonissa.
  • Saat täyden ratkaisun tähän projektiin tässä .

8. Ennusta viinin laatua


ennustaa viinin laatua

Jos pidät kehittämisestä mielenkiintoisesta ja innovatiivisesta koneoppimisesta, kuten minä, tämä viinilaatuhankkeen ennuste on juuri sinua varten. Voit kehittää tätä projektia käyttämällä Wine Quality Datasetia. Tämän hankkeen tavoitteena on ennustaa viinin laatu sen kemiallisten ominaisuuksien perusteella. Tämä on yksi yksinkertaisista koneoppimisprojekteista aloittelijoille R.

Projektin kohokohdat

  • Opit tietojen etsimisestä kehittämällä tätä projektia.
  • Tämän projektin kehittämiseksi sinun on tiedettävä regressiomallit.
  • Opit tietojen visualisoinnista.
  • Tiedät myös R: stä ja perustilastoista.

9. Scikit-oppia


scikit-oppia

Toinen avoimen lähdekoodin tekoälyn käynnistys on scikit-learn. Se on melko helppo kehittää. Tämä työkalu on python -moduuli koneoppimisprojekteille. Tämä on tehokkaasti saatavilla ja erittäin uudelleenkäytettävissä eri aloilla. Löydät tämän projektin osoitteesta GitHub .

Projektin kohokohdat

  • Tehokas työkalu tiedon louhintaan ja tietojen analysointiin.
  • Sinun on asennettava muutama python -kirjasto nimeltä NumPy ja pandat.
  • Tämä työkalu on ilmainen.
  • Se voi olla hyödyllinen työkalu tekoälyhankkeiden kehittämiseen päästäkseen koneoppimisen maailmaan.

10. Walmart -myynti Ennustaminen


myynnin ennustaminen

Haluatko tietää, miten voit käyttää tietojoukkoa? Kuinka tuoda ja ladata se? Sitten tämä myynnin ennustava Walmart -tietojoukkoprojekti on yksi mielenkiintoisista koneoppimisprojekteista sinulle. Tämän projektin tehtävänä on ennustaa myyntiä jokaiselle osastolle jokaisessa toimipisteessä auttaakseen heitä tekemään parempia tietoon perustuvia valintoja kanavan parantamiseen ja varastosuunnitteluun.

Projektin kohokohdat

  • Walmart -tietojoukko sisältää tietoja 98 tuotteesta 45 toimipisteessä.
  • Sinun on asennettava R-studio tietokoneeseen.
  • Koko tämän projektin kehitysprosessin aikana opit käsittelemään R: n tietoja ja muokkaamaan R -paketin.
  • Lisäksi opit ehdollisista lausunnoista ja silmukasta R.

yksitoista. MNIST Käsinkirjoitettu numeroluokitus


käsin kirjoitettu numero

Jos haluat tulla koneoppimisen asiantuntijaksi, sinun on harjoiteltava eri aloja. Syväoppiminen ja hermoverkot ovat sellainen alue, jossa voit sijoittaa aikasi ja taitosi aloittelijana, koska niillä on tärkeä rooli kuvien tunnistamisessa. Tämän tekoälyhankkeen tehtävänä on ottaa kuva, joka on käsin kirjoitettu yksinumeroinen ja määrittää, mikä numero on.

Projektin kohokohdat

  • MNISt -aineisto on yksinkertainen ja helposti saatavilla.
  • MNIST-tietojoukko koostuu esikäsitellyistä ja muotoilluista 60 000 kuvasta, joissa on 28 × 28 pikselin käsinkirjoitettuja numeroita.
  • Tulet rikastamaan taitojasi syvässä oppimisessa ja logistisessa regressiossa koko tämän projektin kehittämisen ajan.
  • Opit muuttamaan pikselidataa kuvaksi.
  • Täydellisen ratkaisun löydät täältä - MNIST Käsinkirjoitettu numeroluokitus .

12. Theano


Theano, toinen avoimen lähdekoodin koneoppimisen käynnistys tai projekti. Tämä työkalu on python-kirjasto, jonka avulla koneoppimisen kehittäjä voi määritellä ja optimoida matemaattisia lausekkeita ja arvioida niitä, myös moniulotteisia matriiseja, tehokkaasti.

Työkalu Theano yhdistää tietokonealgebrallisen järjestelmän (CAS) optimoivaan kääntäjään. Voit käyttää sitä myös akateemiseen tutkimukseesi. Jos käytät sitä opetustutkimustarkoitukseen, sinun on mainittava se.

Projektin kohokohdat

kuinka ryhmitellä laskentataulukot Excel 2013: ssä
  • Tämä työkalu on integroitu NumPyn kanssa.
  • Se arvioi ilmaisun tehokkaasti.
  • Tämä avoimen lähdekoodin projekti voi havaita monenlaisia ​​virheitä.
  • GitHubin URL -osoite on tässä .

13. Useiden luokitusten käyttötapausten ratkaiseminen käyttämällä H2O: ta


Jos olet koneoppimisen asiantuntija ja sinulla on käsitys useista aloista, kuten H20, datatiede ja koneoppimisalgoritmit. Sitten tämä projekti on sinulle, jossa voit käyttää näitä taitoja. Tämä on yksi R: n koneoppimis- ja tekoälyhankkeista. Tässä projektissa sinun on käytettävä H20: ta ja toimintoja kehittääksesi koneoppimismalleja .

Projektin kohokohdat

  • Opit mallin skaalautuvuudesta käyttämällä H2O: ta Hadoop -ympäristössä.
  • H20 yhdistää monia koneoppimisalgoritmeja, kuten lineaarinen regressio, logistinen regressio, Naive Bayes, K-keskusten klusterointi ja word2vec.
  • Sinun on käytettävä näitä: R-studio, R ja H2O.
  • H2O sisältää pinottujen kokoonpanojen menetelmän.

14. Kova


kova

Jos olet keskitason kehittäjä ja haluat parantaa taitojasi reaalimaailman koneoppimishaasteisiin? Siksi sinun täytyy tietää koneen oppimisen avoimen lähdekoodin projekteista. Keras on yksi parhaista avoimen lähdekoodin koneoppimisprojekteista. Tällä työkalulla on joitain merkittäviä ominaisuuksia, kuten helppo laajennettavuus, käyttäjäystävällisyys ja voit myös työskennellä pythonissa. GitHubin URL -osoite on käytettävissä tässä .

Projektin kohokohdat

  • Se on korkean tason hermoverkkojen sovellusliittymä, joka on kirjoitettu pythonilla.
  • Tämä avoimen lähdekoodin työkalu mahdollistaa helpon ja nopean prototyyppien laatimisen tärkeillä ominaisuuksillaan.
  • Tämä työkalu on yhteensopiva seuraavien kanssa: Python 2.7-3.6.
  • Tämä alusta tukee sekä konvoluutioverkkoja että toistuvia verkkoja ja lisäksi näiden kahden verkon yhdistelmiä.

15. PyTorch


pytorch

Tiedätkö NLP-luonnollisesta kielenkäsittelystä? Kiinnostaako tämä lupaava ala? Jos vastauksesi on kyllä, tämä avoimen lähdekoodin projekti tai alusta on sinua varten. Kirjaimellisesti PyTorch on Torchiin perustuvan pythonin avoimen lähdekoodin koneoppimiskirjasto. Tätä työkalua käytetään koneoppimissovelluksiin, kuten luonnollisen kielen käsittelyyn.

Projektin kohokohdat

  • Siinä on kaksi korkean tason ominaisuutta: Tensor-laskenta, eli NumPy, jossa on voimakas GPU-kiihtyvyys, ja syvät hermoverkot, jotka on rakennettu nauhapohjaiselle automaattiselle diff-järjestelmälle.
  • PyTorch käyttää automaattista erilaistamistekniikkaa.
  • Tämän työkalun hybridi-etuosa tarjoaa joustavuutta ja nopeutta.
  • Tämän työkalun yksityiskohtainen kuvaus on täällä- PyTorch .

16. Taudin ennustaminen


sairauksien ennustaminen

Jos haluat käyttää koneoppimista lääketieteessä, tämä koneoppimisen käynnistys sairauksien ennustamisessa voi olla sinulle mielenkiintoinen. Tämän tekoälyprojektin tehtävänä on ennustaa erilaisia ​​sairauksia. Sinun on rakennettava koneoppimismalli R: ssä R Studion avulla.

Projektin kohokohdat

  • Voit käyttää tätä rintasyövän Wisconsinin (diagnostiikka) tietojoukkoa. Voit ladata sen osoitteesta UC Irvine Machine Learning -varasto .
  • Tässä tietojoukossa on kaksi ennusteluokkaa: pahanlaatuinen tai hyvänlaatuinen rintojen massa.
  • Tämän projektin kehittämiseksi sinun on tiedettävä satunnaisesta metsästä.
  • Saat yksityiskohtaisen kuvauksen tästä projektista tässä .

17. Osakkeen hinnan ennustaminen


osakkeen ennustaja

Jos olet kiinnostunut työskentelemään rahoitusalalla, tämä hämmästyttävä idea voi olla mielenkiintoinen. Tämän järjestelmän tavoite tai tehtävä on ennustaa tulevia osakekursseja. Tämä järjestelmä oppii yrityksen toiminnasta.

Projektin kohokohdat

  • Pörssitiedot voidaan ladata osoitteesta Quandl.com tai Quantopian.com.
  • Haasteita tämän projektin kanssa työskentelyssä on se, että osakekurssitiedot ovat rakeisia ja nämä tiedot ovat erityyppisiä, kuten volatiliteettiindeksit, hinnat, perusindikaattorit jne.
  • Voit helposti vahvistaa järjestelmäsi uusilla tiedoilla.
  • Jos olet aloittelija, voit rajoittaa projektin tehtävää ja ennustaa vain kuuden kuukauden hintamuutokset riippuvan neljännesvuosittaisesta organisaatioraportista.

elokuvan suosittelema järjestelmä

Nykyään ihmiset ovat kiinnostuneita katsomaan elokuvaa verkossa sen sijaan, että katsoisivat elokuvaa televisiosta. Jos olet intohimoinen työskentelemään tällaisen innovatiivisen ja jännittävän projektiidean kanssa, tämä idea voi auttaa sinua. Tämän järjestelmän tavoitteena on kehittää tehokas suosittelujärjestelmä.

Projektin kohokohdat

  • Movielens -tietojoukko koostuu 1 000 209 elokuva -arvioinnista 3900 elokuvasta, jotka on tehnyt 6 040 Movielens -käyttäjää.
  • Tätä järjestelmää voidaan kehittää käyttämällä molempia kieliä, ts. R ja python.
  • Tämä koneoppimisprojekti on hyödyllinen aloittelijoille.
  • Voit rakentaa elokuvanimikkeiden maailmanpilvisen visualisoinnin elokuvan suositteleman järjestelmän kehittämiseksi.

19. Ihmisen toiminnan tunnistusjärjestelmä


ihmisen toiminnan tunnistus

Ihmisen toiminnan tunnistusjärjestelmä on luokittelumalli, joka voi tunnistaa ihmisen kuntoilut. Tämän projektin kehittämiseksi sinun on käytettävä älypuhelintietoaineistoa, joka sisältää 30 henkilön kuntotoimintaa ja joka tallennetaan älypuhelimilla. Tämä projekti auttaa sinua ymmärtämään usean luokittelun ongelman ratkaisumenettelyn. Jos olet aloittelija, tämä projekti on ehdottomasti sinua varten parantamaan koneoppimistasi.

miten käyttää if ja toimii excelissä

Projektin kohokohdat

  • Tämä tekoälyhanke on luokitusongelma. Aloittelijana se auttaa sinua kehittämään ongelmanratkaisutaitoasi.
  • Opit SVM: stä ja Adaboostista.
  • Aineisto on jaettu satunnaisesti koulutus- ja testausvaihetta varten. Koulutusvaiheessa tietoja on 70% ja testausta varten 30%.
  • Tämän projektin yksityiskohdat löytyvät tässä .

20. Neon


neon

Avoimen lähdekoodin koneoppimis- ja tekoälyprojekti, neon, on paras vanhemmille tai asiantuntijoille. Tämä työkalu on Intel Nervanan Python-pohjainen syväoppimiskirjasto. Tämä työkalu tarjoaa korkean suorituskyvyn helppokäyttöisyyden ja laajennettavuusominaisuuksiensa ansiosta. GitHubin URL -osoite on täällä: neon .

Projektin kohokohdat

  • Se on kehys visualisointiin.
  • Siinä on vaihdettava laitteiston taustaosa.
  • Voit kirjoittaa koodin kerran ja ottaa sen käyttöön suorittimissa, grafiikkasuorittimissa tai Nervana -laitteistossa.
  • Tämä työkalu tukee yleisesti käytettyjä malleja, mukaan lukien luostarit, autoenkooderit, LSTM: t ja RNN: t.

Loppu ajatukset


Kaikki yksityiskohdat koskevat 20 parasta koneoppimisprojektia, ja toivottavasti saat mielenkiintoisen projektiidean lukemalla tämän artikkelin. Järjestimme tämän artikkelin niin, että riippumatta tasostasi on aloittelija, keskitason tai asiantuntija, voit oppia jotain uutta tai voit tietää jotain uutta tästä artikkelista.

Lopuksi näet myös muutamia mielenkiintoisempia projekteja Raspberry Pi ja Arduino hankkeita. Kiitos paljon siitä, että olit kanssamme.

  • Tunnisteet
  • Suuri data
  • Tietojen louhinta
Jaa Facebook Viserrys Pinterest WhatsApp ReddIt Sähke Viber

    JÄTÄ VASTAUS Peruuta vastaus

    Kommentti: Kirjoita kommenttisi! Nimi:* Kirjoita nimesi tähän Sähköposti:* Olet antanut virheellisen sähköpostiosoitteen! Kirjoita sähköpostiosoitteesi tähän Verkkosivusto:

    Tallenna nimeni, sähköpostiosoitteeni ja verkkosivustoni tähän selaimeen, kun seuraavan kerran kommentoin.

    spot_img

    Viimeisin postaus

    Android

    10 parasta kasvojen vaihtosovellusta Android- ja iOS -laitteille

    Windows -käyttöjärjestelmä

    Kuinka ajoittaa Windows 10 tyhjentämään roskakorin automaattisesti

    Android

    10 parasta laskutusohjelmaa Android -laitteelle maksettavaksi nopeasti

    Windows -käyttöjärjestelmä

    10 parasta GPU -vertailuohjelmistoa tietokoneellesi

    Täytyy lukea

    Pilvilaskenta

    Top 30 parasta Chatbot -kehystä tehokkaiden tekoälybotien rakentamiseen

    ML & AI

    Top 50 Usein kysytyt koneoppimisen haastattelukysymykset ja vastaukset

    ML & AI

    Top 20 parasta koneoppimis- ja tekoälykirjaa

    ML & AI

    Top 20 parasta R -koneoppimispakettia, jotka kannattaa tarkistaa nyt

    Liittyvä postaus

    Top 10 Deep Learning -projektien ideaa aloittelijoille ja ammattilaisille

    Kymmenen kehittyvää syvän oppimisen suuntausta lähitulevaisuudessa

    10 tärkeintä IoT vs M2M -käsitettä, jotka sinun on ymmärrettävä

    Top 10 syvän oppimisen algoritmia, jotka jokaisen tekoälyn harrastajan pitäisi tietää

    10 parasta kotiautomaatiota esineiden internetin avulla

    10 parasta ilmaisen ohjelmoinnin graafista käyttöliittymää R: lle



    ^