Об этом курсе

Недавно просмотрено: 4,700
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень
Прибл. 9 часов на выполнение
Английский

Чему вы научитесь

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

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

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

  • Understand techniques to avoid overfitting and achieve good generalization performance.

Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень
Прибл. 9 часов на выполнение
Английский

от партнера

Placeholder

Калифорнийский университет в Сан-Диего

Программа курса: что вы изучите

Неделя
1

Неделя 1

3 ч. на завершение

Week 1: Diagnostics for Data

3 ч. на завершение
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 практических упражнения
Review: Regression Diagnostics30мин
Review: Classification Diagnostics30мин
Diagnostics for Data30мин
Неделя
2

Неделя 2

2 ч. на завершение

Week 2: Codebases, Regularization, and Evaluating a Model

2 ч. на завершение
4 видео ((всего 35 мин.))
4 видео
Model Complexity and Regularization10мин
Adding a Regularizer to our Model, and Evaluating the Regularized Model8мин
Evaluating Classifiers for Ranking4мин
4 практических упражнения
Review: Setting Up a Codebase30мин
Review: Regularization5мин
Review: Evaluating a Model5мин
Codebases, Regularization, and Evaluating a Model45мин
Неделя
3

Неделя 3

2 ч. на завершение

Week 3: Validation and Pipelines

2 ч. на завершение
4 видео ((всего 24 мин.))
4 видео
Validation5мин
“Theorems” About Training, Testing, and Validation8мин
Implementing a Regularization Pipeline in Python5мин
Guidelines on the Implementation of Predictive Pipelines5мин
3 практических упражнения
Review: Validation30мин
Review: Predictive Pipelines30мин
Predictive Pipelines20мин
Неделя
4

Неделя 4

2 ч. на завершение

Final Project

2 ч. на завершение
2 материалов для самостоятельного изучения
2 материала для самостоятельного изучения
Project Description10мин
Where to Find Datasets10мин

Рецензии

Лучшие отзывы о курсе MEANINGFUL PREDICTIVE MODELING

Посмотреть все отзывы

Специализация Python Data Products for Predictive Analytics: общие сведения

Python Data Products for Predictive Analytics

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.