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'
от партнера
Специализация Machine Learning: Algorithms in the Real WorldAlberta Machine Intelligence InstituteОб этом курсе
Недавно просмотрено: 37,027
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. 9 часов на выполнение
Английский
Субтитры: Английский
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. 9 часов на выполнение
Английский
Субтитры: Английский
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
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 практических 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 практических 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 практических 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
Лучшие отзывы о курсе MACHINE LEARNING ALGORITHMS: SUPERVISED LEARNING TIP TO TAIL
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.
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 FF16 апр. 2020 г.
Great course but less in-depth knowledge about each of the hyper parameters and under the hood view of Algorithms.But excellent. Thanks!!!!!!
от партнера SP18 июня 2020 г.
A great short capsule course to get overall bird view on Supervised learning. Much needed one for both practitioners and new beginners.
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.
Is financial aid available?
Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке "Финансовая помощь" слева под кнопкой "Зарегистрироваться". Заполните форму заявления. Если его примут, вы получите уведомление. Обратите внимание: этот шаг необходимо выполнить для каждого курса специализации, в том числе для дипломного проекта. Подробнее
Остались вопросы? Посетите Центр поддержки учащихся.
