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.
Этот курс входит в специализацию ''Специализация Machine Learning: Algorithms in the Real World'
Machine Learning Algorithms: Supervised Learning Tip to Tail
от партнера
Об этом курсе
Недавно просмотрено: 8,734
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.
Прибл. 13 часа на выполнение
Предполагаемая нагрузка: 12 hours/week
Английский
Субтитры: Английский
Программа курса: что вы изучите
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
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 практического упражнения
Supervised Learning Basics
Understanding Classification with Decision Trees and k-NN20мин
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 практического упражнения
Regression Basics
Understanding Model Complexity
From Regression to Classification2мин
The Regression side of Supervised Learning20мин
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
Neural Networks9мин
Hinge Loss6мин
Basics of Support Vector Machines6мин
Kernels6мин
Weekly Summary1мин
1 материал для самостоятельного изучения
Scikitlearn documentation for SVMs (Optional)10мин
2 практического упражнения
Understanding Support Vector Machines
Regression-based Classification10мин
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
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
Лучшие отзывы о курсе MACHINE LEARNING ALGORITHMS: SUPERVISED LEARNING TIP TO TAIL
от партнера EGJan 8, 2020
The whole specialization is extremely useful for people starting in ML. Highly recommended!
от партнера MJOct 29, 2019
Great course! I received so much useful information from AMII.
от партнера
Alberta Machine Intelligence Institute
The Alberta Machine Intelligence Institute (Amii) is home to some of the world’s top talent in machine intelligence. We’re an Alberta-based
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.
After completing all four courses, you will have gone through the entire process of building a machine learning project. You will be able to clearly define a machine learning problem, identify appropriate data, train a classification algorithm, improve your results, and deploy it in the real world. You will also be able to anticipate and mitigate common pitfalls in applied machine learning.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.
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.
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
