Этот курс входит в специализацию ''Специализация Machine Learning: Algorithms in the Real World'

4.7
звезд
Оценки: 405

Anna Koop

15 195 уже зарегистрированы

от партнера

Специализация Machine Learning: Algorithms in the Real WorldAlberta Machine Intelligence Institute

Об этом курсе

Недавно просмотрено: 4 975

This course takes you from understanding the fundamentals of a machine learning project. Learners will understand and implement supervised learning techniques on real case studies to analyze business case scenarios where decision trees, k-nearest neighbours and support vector machines are optimally used. Learners will also gain skills to contrast the practical consequences of different data preparation steps and describe common production issues in applied ML.
To be successful, you should have at least beginner-level background in Python programming (e.g., be able to read and code trace existing code, be comfortable with conditionals, loops, variables, lists, dictionaries and arrays). You should have a basic understanding of linear algebra (vector notation) and statistics (probability distributions and mean/median/mode).

This is the second course of the Applied Machine Learning Specialization brought to you by Coursera and the Alberta Machine Intelligence Institute.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

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

Специализация Machine Learning: Algorithms in the Real World

Прибл. 9 часов на выполнение

Английский

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

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

Специализация Machine Learning: Algorithms in the Real World

Прибл. 9 часов на выполнение

Английский

Преподаватели

Оценка преподавателя

4,7/5 (оценок: 74)

Anna Koop

Senior Scientific Advisor

Alberta Machine Intelligence Institute, University of Alberta

32 096 учащихся

4 курса

от партнера

Alberta Machine Intelligence Institute

Программа курса: что вы изучите

Неделя

Неделя 1

4 ч. на завершение

Classification using Decision Trees and k-NN

Welcome to Supervised Learning, Tip to Tail! This week we'll go over the basics of supervised learning, particularly classification, as well as teach you about two classification algorithms: decision trees and k-NN. You'll get started programming on the platform through Jupyter notebooks and start to familiarize yourself with all the issues that arise when using machine learning for classification.

4 ч. на завершение

8 видео ((всего 46 мин.)), 4 материалов для самостоятельного изучения, 2 тестов

8 видео

Introduction to the Course1мин

What does a classifier actually do?5мин

Classification in scikit-learn3мин

What are decision trees?6мин

Generalization and overfitting8мин

Classification using k-nearest neighbours8мин

Distance measures8мин

Weekly summary2мин

4 материала для самостоятельного изучения

Math Review10мин

Scikitlearn documentation for decision trees (Optional)10мин

Scikitlearn documentation for random forests (Optional)10мин

Scikitlearn documentation for k-nearest neighbours (Optional)10мин

2 практических упражнения

Supervised Learning Basics

Understanding Classification with Decision Trees and k-NN20мин

Неделя

Неделя 2

2 ч. на завершение

Functions for Fun and Profit

Welcome to the second week of the course! In this week you'll learn all about regression algorithms, the other side of supervised learning. We'll introduce you to the idea of finding lines, optimization criteria, and all the associated issues. Through regression we'll see the interactions between model complexity and accuracy, and you'll get a first taste of how regression and classification might relate.

2 ч. на завершение

9 видео ((всего 62 мин.)), 1 материал для самостоятельного изучения, 4 тестов

9 видео

Line-fitting6мин

Optimal line-fitting8мин

Loss and Convexity7мин

Gradient Descent9мин

Nonlinear features and model complexity6мин

Bias and variance tradeoff6мин

Regularizers5мин

Loss for Classification7мин

Weekly summary4мин

1 материал для самостоятельного изучения

Scikitlearn documentation for linear regression (Optional)10мин

4 практических упражнения

Regression Basics

Understanding Model Complexity

From Regression to Classification2мин

The Regression side of Supervised Learning20мин

Неделя

Неделя 3

3 ч. на завершение

Regression for Classification: Support Vector Machines

This week we'll be diving straight in to using regression for classification. We'll describe all the fundamental pieces that make up the support vector machine algorithms, so that you can understand how many seemingly unrelated machine learning algorithms tie together. We'll introduce you to logistic regression, neural networks, and support vector machines, and show you how to implement two of those.

3 ч. на завершение

6 видео ((всего 34 мин.)), 1 материал для самостоятельного изучения, 2 тестов

6 видео

Logistic Regression4мин

Neural Networks9мин

Hinge Loss6мин

Basics of Support Vector Machines6мин

Kernels6мин

Weekly Summary1мин

1 материал для самостоятельного изучения

Scikitlearn documentation for SVMs (Optional)10мин

2 практических упражнения

Understanding Support Vector Machines

Regression-based Classification10мин

Неделя

Неделя 4

1 ч. на завершение

Contrasting Models

Now at the tail end of the course, we're going to go over how to know how well your model is actually performing and what you can do to get even better performance from it. We'll review assessment questions particular to regression and classification, and introduce some other tools that really help you analyze your model performance. The topics covered this week aim to give you confidence in your models, so you're ready to unlock the power of machine learning for your business goals.

1 ч. на завершение

8 видео ((всего 46 мин.)), 1 материал для самостоятельного изучения, 1 тест

8 видео

Regression assessment6мин

Classification assessment6мин

Learning Curves6мин

Testing your models7мин

Cross validation5мин

Parameter tuning and grid search5мин

Model Parameters6мин

Weekly Summary1мин

1 материал для самостоятельного изучения

Some resources on model assessment (Optional)10мин

1 практическое упражнение

Contrasting Models

Рецензии

4.7

Рецензии: 66

5 stars
76,04 %
4 stars
18,51 %
3 stars
3,20 %
2 stars
0,98 %
1 star
1,23 %

Лучшие отзывы о курсе MACHINE LEARNING ALGORITHMS: SUPERVISED LEARNING TIP TO TAIL

от партнера VD31 авг. 2020 г.

really good, wish it had covered random forest and decision trees and other supervised models as well.

от партнера BH4 июня 2020 г.

It's a nice course for those who likes to learn the supervised machine learning algorithms with practical experience.

от партнера SK11 апр. 2020 г.

Excellent course. In which I had in-depth knowledge of all algorithms and the way she explained attracts to listen except for her spontaneity and speed in progressing.

от партнера DS6 мая 2020 г.

Excellent course for an overview of different ML algorithms. The course is made from a perspective of giving insights in process and not too many mathematical details.

Посмотреть все отзывы

Специализация Machine Learning: Algorithms in the Real World: общие сведения

This specialization is for professionals who have heard the buzz around machine learning and want to apply machine learning to data analysis and automation. Whether finance, medicine, engineering, business or other domains, this specialization will set you up to define, train, and maintain a successful machine learning application.

Часто задаваемые вопросы

Когда я получу доступ к лекциям и заданиям?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
Что я получу, оформив подписку на специализацию?
Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Можно ли получить финансовую помощь?
Да. В некоторых программах обучения вы можете подать заявку на получение финансовой помощи или стипендии, если не можете оплатить регистрационный взнос. Если для выбранной вами программы предлагается такая возможность, вы увидите ссылку для подачи заявки на странице описания.

Остались вопросы? Посетите Центр поддержки учащихся.

Machine Learning Algorithms: Supervised Learning Tip to Tail

Об этом курсе