Об этом курсе

Недавно просмотрено: 49,732

Карьерные результаты учащихся

50%

начал новую карьеру, пройдя эти курсы

55%

получил значимые преимущества в карьере благодаря этому курсу

17%

стал больше зарабатывать или получил повышение
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 2 из 4 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Продвинутый уровень
Прибл. 27 часов на выполнение
Английский

Карьерные результаты учащихся

50%

начал новую карьеру, пройдя эти курсы

55%

получил значимые преимущества в карьере благодаря этому курсу

17%

стал больше зарабатывать или получил повышение
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Курс 2 из 4 в программе
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Продвинутый уровень
Прибл. 27 часов на выполнение
Английский

от партнера

Placeholder

IBM

Программа курса: что вы изучите

Оценка контентаThumbs Up83%(3,078 оценки)Info
Неделя
1

Неделя 1

6 ч. на завершение

Setting the stage

6 ч. на завершение
10 видео ((всего 59 мин.)), 2 материалов для самостоятельного изучения, 3 тестов
10 видео
Linear algebra5мин
High Dimensional Vector Spaces2мин
Supervised vs. Unsupervised Machine Learning4мин
How ML Pipelines work3мин
Introduction to SparkML20мин
What is SystemML (1/2) ?3мин
What is SystemML (2/2) ?6мин
How to use Apache SystemML in IBM Watson Studio4мин
Extract - Transform - Load3мин
2 материала для самостоятельного изучения
Object Store10мин
IMPORTANT: How to submit your programming assignments10мин
2 практических упражнения
Machine Learning30мин
ML Pipelines30мин
Неделя
2

Неделя 2

10 ч. на завершение

Supervised Machine Learning

10 ч. на завершение
26 видео ((всего 131 мин.)), 1 материал для самостоятельного изучения, 10 тестов
26 видео
LinearRegression with Apache SparkML6мин
Linear Regression using Apache SystemML3мин
Batch Gradient Descent using Apache SystemML8мин
The importance of validation data to prevent overfitting3мин
Important evaluation measures2мин
Logistic Regression1мин
LogisticRegression with Apache SparkML4мин
Probabilities refresher6мин
Rules of probability and Bayes' theorem10мин
The Gaussian distribution4мин
Bayesian inference4мин
Bayesian inference - example9мин
Maximum a posteriori estimation5мин
Bayesian inference in Python8мин
Why is Naive Bayes "naive"7мин
Support Vector Machines3мин
Support Vector Machines using Apache SparkML8мин
Crossvalidation1мин
Hyper-parameter tuning using GridSearch3мин
Decision Trees2мин
Bootstrap Aggregation (Bagging) and RandomForest1мин
Boosting and Gradient Boosted Trees6мин
Gradient Boosted Trees with Apache SparkML2мин
Hyperparameter-Tuning using GridSeach and CrossValidation in Apache SparkML on Gradient Boosted Trees3мин
Regularization3мин
1 материал для самостоятельного изучения
Classification evaluation measures10мин
9 практических упражнений
Linear Regression30мин
Splitting and Overfitting30мин
Evaluation Measures30мин
Logistic Regression30мин
Naive Bayes30мин
Support Vector Machines30мин
Testing, X-Validation, GridSearch30мин
Enselble Learning30мин
Regularization30мин
Неделя
3

Неделя 3

5 ч. на завершение

Unsupervised Machine Learning

5 ч. на завершение
13 видео ((всего 67 мин.)), 1 материал для самостоятельного изучения, 3 тестов
13 видео
Introduction to Clustering: k-Means3мин
Hierarchical Clustering3мин
Density-based clustering (Guest Lecture Saeed Aghabozorgi)4мин
Using K-Means in Apache SparkML2мин
Curse of Dimensionality9мин
Dimensionality Reduction4мин
Principal Component Analysis6мин
Principal Component Analysis (demo)6мин
Covariance matrix and direction of greatest variance8мин
Eigenvectors and eigenvalues8мин
Projecting the data4мин
PCA in SystemML2мин
1 материал для самостоятельного изучения
Reading on Clustering Evaluation and Assessment10мин
2 практических упражнения
Clustering30мин
PCA30мин
Неделя
4

Неделя 4

6 ч. на завершение

Digital Signal Processing in Machine Learning

6 ч. на завершение
13 видео ((всего 108 мин.))
13 видео
Fourier Transform in action6мин
Signal generation and phase shift11мин
The maths behind Fourier Transform11мин
Discrete Fourier Transform16мин
Fourier Transform in SystemML15мин
Fast Fourier Transform7мин
Nonstationary signals5мин
Scaleograms7мин
Continous Wavelet Transform3мин
Scaling and translation3мин
Wavelets and Machine Learning3мин
Wavelets transform and SVM demo6мин
2 практических упражнения
Fourier Transform30мин
Wavelet Transform30мин

Рецензии

Лучшие отзывы о курсе ADVANCED MACHINE LEARNING AND SIGNAL PROCESSING

Посмотреть все отзывы

Специализация Advanced Data Science with IBM: общие сведения

Advanced Data Science with IBM

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.