Об этом курсе

Недавно просмотрено: 160,852

Карьерные результаты учащихся

46%

начал новую карьеру, пройдя эти курсы

48%

получил значимые преимущества в карьере благодаря этому курсу

19%

стал больше зарабатывать или получил повышение
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.
Прибл. 18 часов на выполнение
Английский
Субтитры: Английский, Корейский, Арабский

Приобретаемые навыки

Logistic RegressionStatistical ClassificationClassification AlgorithmsDecision Tree

Карьерные результаты учащихся

46%

начал новую карьеру, пройдя эти курсы

48%

получил значимые преимущества в карьере благодаря этому курсу

19%

стал больше зарабатывать или получил повышение
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.
Прибл. 18 часов на выполнение
Английский
Субтитры: Английский, Корейский, Арабский

от партнера

Логотип Вашингтонский университет

Вашингтонский университет

Программа курса: что вы изучите

Оценка контентаThumbs Up94%(9,727 оценки)Info
Неделя
1

Неделя 1

1 ч. на завершение

Welcome!

1 ч. на завершение
8 видео ((всего 27 мин.)), 3 материалов для самостоятельного изучения
8 видео
What is this course about?6мин
Impact of classification1мин
Course overview3мин
Outline of first half of course5мин
Outline of second half of course5мин
Assumed background3мин
Let's get started!45
3 материала для самостоятельного изучения
Important Update regarding the Machine Learning Specialization10мин
Slides presented in this module10мин
Reading: Software tools you'll need10мин
2 ч. на завершение

Linear Classifiers & Logistic Regression

2 ч. на завершение
18 видео ((всего 78 мин.)), 2 материалов для самостоятельного изучения, 2 тестов
18 видео
Intuition behind linear classifiers3мин
Decision boundaries3мин
Linear classifier model5мин
Effect of coefficient values on decision boundary2мин
Using features of the inputs2мин
Predicting class probabilities1мин
Review of basics of probabilities6мин
Review of basics of conditional probabilities8мин
Using probabilities in classification2мин
Predicting class probabilities with (generalized) linear models5мин
The sigmoid (or logistic) link function4мин
Logistic regression model5мин
Effect of coefficient values on predicted probabilities7мин
Overview of learning logistic regression models2мин
Encoding categorical inputs4мин
Multiclass classification with 1 versus all7мин
Recap of logistic regression classifier1мин
2 материала для самостоятельного изучения
Slides presented in this module10мин
Predicting sentiment from product reviews10мин
2 практических упражнения
Linear Classifiers & Logistic Regression10мин
Predicting sentiment from product reviews24мин
Неделя
2

Неделя 2

2 ч. на завершение

Learning Linear Classifiers

2 ч. на завершение
18 видео ((всего 83 мин.)), 2 материалов для самостоятельного изучения, 2 тестов
18 видео
Intuition behind maximum likelihood estimation4мин
Data likelihood8мин
Finding best linear classifier with gradient ascent3мин
Review of gradient ascent6мин
Learning algorithm for logistic regression3мин
Example of computing derivative for logistic regression5мин
Interpreting derivative for logistic regression5мин
Summary of gradient ascent for logistic regression2мин
Choosing step size5мин
Careful with step sizes that are too large4мин
Rule of thumb for choosing step size3мин
(VERY OPTIONAL) Deriving gradient of logistic regression: Log trick4мин
(VERY OPTIONAL) Expressing the log-likelihood3мин
(VERY OPTIONAL) Deriving probability y=-1 given x2мин
(VERY OPTIONAL) Rewriting the log likelihood into a simpler form8мин
(VERY OPTIONAL) Deriving gradient of log likelihood8мин
Recap of learning logistic regression classifiers1мин
2 материала для самостоятельного изучения
Slides presented in this module10мин
Implementing logistic regression from scratch10мин
2 практических упражнения
Learning Linear Classifiers12мин
Implementing logistic regression from scratch16мин
2 ч. на завершение

Overfitting & Regularization in Logistic Regression

2 ч. на завершение
13 видео ((всего 66 мин.)), 2 материалов для самостоятельного изучения, 2 тестов
13 видео
Review of overfitting in regression3мин
Overfitting in classification5мин
Visualizing overfitting with high-degree polynomial features3мин
Overfitting in classifiers leads to overconfident predictions5мин
Visualizing overconfident predictions4мин
(OPTIONAL) Another perspecting on overfitting in logistic regression8мин
Penalizing large coefficients to mitigate overfitting5мин
L2 regularized logistic regression4мин
Visualizing effect of L2 regularization in logistic regression5мин
Learning L2 regularized logistic regression with gradient ascent7мин
Sparse logistic regression with L1 regularization7мин
Recap of overfitting & regularization in logistic regression58
2 материала для самостоятельного изучения
Slides presented in this module10мин
Logistic Regression with L2 regularization10мин
2 практических упражнения
Overfitting & Regularization in Logistic Regression16мин
Logistic Regression with L2 regularization16мин
Неделя
3

Неделя 3

2 ч. на завершение

Decision Trees

2 ч. на завершение
13 видео ((всего 47 мин.)), 3 материалов для самостоятельного изучения, 3 тестов
13 видео
Intuition behind decision trees1мин
Task of learning decision trees from data3мин
Recursive greedy algorithm4мин
Learning a decision stump3мин
Selecting best feature to split on6мин
When to stop recursing4мин
Making predictions with decision trees1мин
Multiclass classification with decision trees2мин
Threshold splits for continuous inputs6мин
(OPTIONAL) Picking the best threshold to split on3мин
Visualizing decision boundaries5мин
Recap of decision trees56
3 материала для самостоятельного изучения
Slides presented in this module10мин
Identifying safe loans with decision trees10мин
Implementing binary decision trees10мин
3 практических упражнения
Decision Trees22мин
Identifying safe loans with decision trees14мин
Implementing binary decision trees14мин
Неделя
4

Неделя 4

2 ч. на завершение

Preventing Overfitting in Decision Trees

2 ч. на завершение
8 видео ((всего 40 мин.)), 2 материалов для самостоятельного изучения, 2 тестов
8 видео
Overfitting in decision trees5мин
Principle of Occam's razor: Learning simpler decision trees5мин
Early stopping in learning decision trees6мин
(OPTIONAL) Motivating pruning8мин
(OPTIONAL) Pruning decision trees to avoid overfitting6мин
(OPTIONAL) Tree pruning algorithm3мин
Recap of overfitting and regularization in decision trees1мин
2 материала для самостоятельного изучения
Slides presented in this module10мин
Decision Trees in Practice10мин
2 практических упражнения
Preventing Overfitting in Decision Trees22мин
Decision Trees in Practice28мин
1 ч. на завершение

Handling Missing Data

1 ч. на завершение
6 видео ((всего 25 мин.)), 1 материал для самостоятельного изучения, 1 тест
6 видео
Strategy 1: Purification by skipping missing data4мин
Strategy 2: Purification by imputing missing data4мин
Modifying decision trees to handle missing data4мин
Feature split selection with missing data5мин
Recap of handling missing data1мин
1 материал для самостоятельного изучения
Slides presented in this module10мин
1 практическое упражнение
Handling Missing Data14мин

Рецензии

Лучшие отзывы о курсе MACHINE LEARNING: CLASSIFICATION

Посмотреть все отзывы

Специализация Машинное обучение: общие сведения

This Specialization from leading researchers at the University of Washington introduces you to the exciting, high-demand field of Machine Learning. Through a series of practical case studies, you will gain applied experience in major areas of Machine Learning including Prediction, Classification, Clustering, and Information Retrieval. You will learn to analyze large and complex datasets, create systems that adapt and improve over time, and build intelligent applications that can make predictions from data....
Машинное обучение

Часто задаваемые вопросы

  • Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:

    • The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
    • The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
  • 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.

  • Когда вы оформите подписку, начнется семидневный бесплатный пробный период, в течение которого подписку можно отменить без штрафа. По истечении этого срока вы не сможете вернуть средства, но сможете отменить подписку в любой момент. Ознакомьтесь с нашей политикой возврата средств.

  • 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

  • Этот курс не приравнивается к зачету в университетах, однако некоторые вузы принимают сертификаты на свое усмотрение. Дополнительную информацию уточняйте в своем деканате. Онлайн-дипломы и сертификаты Mastertrack™ от Coursera позволяют получить зачеты.

Остались вопросы? Посетите Центр поддержки учащихся.