Об этом курсе
Недавно просмотрено: 6,044

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 17 часа на выполнение

Предполагаемая нагрузка: 9 hours/week...

Английский

Субтитры: Английский

Чему вы научитесь

  • Check

    Understand the definitions of simple error measures (e.g. MSE, accuracy, precision/recall).

  • Check

    Evaluate the performance of regressors / classifiers using the above measures.

  • Check

    Understand the difference between training/testing performance, and generalizability.

  • Check

    Understand techniques to avoid overfitting and achieve good generalization performance.

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Промежуточный уровень

Прибл. 17 часа на выполнение

Предполагаемая нагрузка: 9 hours/week...

Английский

Субтитры: Английский

Программа курса: что вы изучите

Неделя
1
2 ч. на завершение

Week 1: Diagnostics for Data

For this first week, we will go over the syllabus, download all course materials, and get your system up and running for the course. We will also introduce the basics of diagnostics for the results of supervised learning.

...
6 видео ((всего 49 мин.)), 4 материалов для самостоятельного изучения, 3 тестов
6 видео
Motivation Behind the MSE8мин
Regression Diagnostics: MSE and R²6мин
Over- and Under-Fitting6мин
Classification Diagnostics: Accuracy and Error11мин
Classification Diagnostics: Precision and Recall12мин
4 материала для самостоятельного изучения
Syllabus10мин
Setting Up Your System10мин
(Optional) Additional Resources and Recommended Readings10мин
Course Materials10мин
3 практического упражнения
Review: Regression Diagnostics8мин
Review: Classification Diagnostics4мин
Diagnostics for Data30мин
Неделя
2
2 ч. на завершение

Week 2: Codebases, Regularization, and Evaluating a Model

This week, we will learn how to create a simple bag of words for analysis. We will also cover regularization and why it matters when building a model. Lastly, we will evaluate a model with regularization, focusing on classifiers.

...
4 видео ((всего 35 мин.)), 4 тестов
4 видео
Model Complexity and Regularization10мин
Adding a Regularizer to our Model, and Evaluating the Regularized Model8мин
Evaluating Classifiers for Ranking4мин
4 практического упражнения
Review: Setting Up a Codebase2мин
Review: Regularization5мин
Review: Evaluating a Model5мин
Codebases, Regularization, and Evaluating a Model45мин
Неделя
3
1 ч. на завершение

Week 3: Validation and Pipelines

This week, we will learn about validation and how to implement it in tandem with training and testing. We will also cover how to implement a regularization pipeline in Python and introduce a few guidelines for best practices.

...
4 видео ((всего 24 мин.)), 3 тестов
4 видео
Validation5мин
“Theorems” About Training, Testing, and Validation8мин
Implementing a Regularization Pipeline in Python5мин
Guidelines on the Implementation of Predictive Pipelines5мин
3 практического упражнения
Review: Validation4мин
Review: Predictive Pipelines6мин
Predictive Pipelines20мин
Неделя
4
2 ч. на завершение

Final Project

In the final week of this course, you will continue building on the project from the first and second courses of Python Data Products for Predictive Analytics with simple predictive machine learning algorithms. Find a dataset, clean it, and perform basic analyses on the data. Evaluate your model, validate your analyses, and make sure you aren't overfitting the data.

...
2 материалов для самостоятельного изучения, 1 тест
2 материала для самостоятельного изучения
Project Description10мин
Where to Find Datasets10мин

Преподаватели

Avatar

Julian McAuley

Assistant Professor
Computer Science
Avatar

Ilkay Altintas

Chief Data Science Officer
San Diego Supercomputer Center

О Калифорнийский университет в Сан-Диего

UC San Diego is an academic powerhouse and economic engine, recognized as one of the top 10 public universities by U.S. News and World Report. Innovation is central to who we are and what we do. Here, students learn that knowledge isn't just acquired in the classroom—life is their laboratory....

О специализации ''Python Data Products for Predictive Analytics'

Python data products are powering the AI revolution. Top companies like Google, Facebook, and Netflix use predictive analytics to improve the products and services we use every day. Take your Python skills to the next level and learn to make accurate predictions with data-driven systems and deploy machine learning models with this four-course Specialization from UC San Diego. This Specialization is for learners who are proficient with the basics of Python. You’ll start by creating your first data strategy. You’ll also develop statistical models, devise data-driven workflows, and learn to make meaningful predictions for a wide-range of business and research purposes. Finally, you’ll use design thinking methodology and data science techniques to extract insights from a wide range of data sources. This is your chance to master one of the technology industry’s most in-demand skills. Python Data Products for Predictive Analytics is taught by Professor Ilkay Altintas, Ph.D. and Julian McAuley. Dr. Alintas is a prominent figure in the data science community and the designer of the highly-popular Big Data Specialization on Coursera. She has helped educate hundreds of thousands of learners on how to unlock value from massive datasets....
Python Data Products for Predictive Analytics

Часто задаваемые вопросы

  • 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.

  • 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.

Остались вопросы? Посетите Центр поддержки учащихся.