Об этом курсе
Недавно просмотрено: 240,299

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Прибл. 24 часа на выполнение

Предполагаемая нагрузка: 6 weeks of study, 5-8 hours/week...

Английский

Субтитры: Английский, Корейский, Вьетнамский, Китайский (упрощенное письмо)

Приобретаемые навыки

Python ProgrammingMachine Learning ConceptsMachine LearningDeep Learning

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Прибл. 24 часа на выполнение

Предполагаемая нагрузка: 6 weeks of study, 5-8 hours/week...

Английский

Субтитры: Английский, Корейский, Вьетнамский, Китайский (упрощенное письмо)

Программа курса: что вы изучите

Неделя
1
3 ч. на завершение

Welcome

18 видео ((всего 84 мин.)), 8 материалов для самостоятельного изучения, 1 тест
18 видео
Who we are5мин
Machine learning is changing the world3мин
Why a case study approach?7мин
Specialization overview6мин
How we got into ML3мин
Who is this specialization for?4мин
What you'll be able to do57
The capstone and an example intelligent application6мин
The future of intelligent applications2мин
Starting a Jupyter Notebook5мин
Creating variables in Python7мин
Conditional statements and loops in Python8мин
Creating functions and lambdas in Python3мин
Starting Turi Create & loading an SFrame4мин
Canvas for data visualization4мин
Interacting with columns of an SFrame4мин
Using .apply() for data transformation5мин
8 материала для самостоятельного изучения
Important Update regarding the Machine Learning Specialization10мин
Slides presented in this module10мин
Getting started with Python, Jupyter Notebook, & Turi Create10мин
Where should my files go?10мин
Important changes from previous courses10мин
Download the Jupyter Notebook used in this lesson to follow along10мин
Download the Jupyter Notebook used in this lesson to follow along10мин
Download Wiki People Data10мин
1 практическое упражнение
SFrames15мин
Неделя
2
2 ч. на завершение

Regression: Predicting House Prices

19 видео ((всего 82 мин.)), 3 материалов для самостоятельного изучения, 2 тестов
19 видео
What is the goal and how might you naively address it?3мин
Linear Regression: A Model-Based Approach5мин
Adding higher order effects4мин
Evaluating overfitting via training/test split6мин
Training/test curves4мин
Adding other features2мин
Other regression examples3мин
Regression ML block diagram5мин
Loading & exploring house sale data7мин
Splitting the data into training and test sets2мин
Learning a simple regression model to predict house prices from house size3мин
Evaluating error (RMSE) of the simple model2мин
Visualizing predictions of simple model with Matplotlib4мин
Inspecting the model coefficients learned1мин
Exploring other features of the data6мин
Learning a model to predict house prices from more features3мин
Applying learned models to predict price of an average house5мин
Applying learned models to predict price of two fancy houses7мин
3 материала для самостоятельного изучения
Slides presented in this module10мин
Download the Jupyter Notebook used in this lesson to follow along10мин
Predicting house prices assignment10мин
2 практического упражнения
Regression18мин
Predicting house prices6мин
Неделя
3
2 ч. на завершение

Classification: Analyzing Sentiment

19 видео ((всего 75 мин.)), 3 материалов для самостоятельного изучения, 2 тестов
19 видео
What is an intelligent restaurant review system?4мин
Examples of classification tasks4мин
Linear classifiers5мин
Decision boundaries3мин
Training and evaluating a classifier4мин
What's a good accuracy?3мин
False positives, false negatives, and confusion matrices6мин
Learning curves5мин
Class probabilities1мин
Classification ML block diagram3мин
Loading & exploring product review data2мин
Creating the word count vector2мин
Exploring the most popular product4мин
Defining which reviews have positive or negative sentiment4мин
Training a sentiment classifier3мин
Evaluating a classifier & the ROC curve4мин
Applying model to find most positive & negative reviews for a product4мин
Exploring the most positive & negative aspects of a product4мин
3 материала для самостоятельного изучения
Slides presented in this module10мин
Download the Jupyter Notebook used in this lesson to follow along10мин
Analyzing product sentiment assignment10мин
2 практического упражнения
Classification14мин
Analyzing product sentiment22мин
Неделя
4
2 ч. на завершение

Clustering and Similarity: Retrieving Documents

17 видео ((всего 76 мин.)), 3 материалов для самостоятельного изучения, 2 тестов
17 видео
What is the document retrieval task?1мин
Word count representation for measuring similarity6мин
Prioritizing important words with tf-idf3мин
Calculating tf-idf vectors5мин
Retrieving similar documents using nearest neighbor search2мин
Clustering documents task overview2мин
Clustering documents: An unsupervised learning task4мин
k-means: A clustering algorithm3мин
Other examples of clustering6мин
Clustering and similarity ML block diagram7мин
Loading & exploring Wikipedia data5мин
Exploring word counts5мин
Computing & exploring TF-IDFs7мин
Computing distances between Wikipedia articles5мин
Building & exploring a nearest neighbors model for Wikipedia articles3мин
Examples of document retrieval in action4мин
3 материала для самостоятельного изучения
Slides presented in this module10мин
Download the Jupyter Notebook used in this lesson to follow along10мин
Retrieving Wikipedia articles assignment10мин
2 практического упражнения
Clustering and Similarity12мин
Retrieving Wikipedia articles18мин
4.6
Рецензии: 2170Chevron Right

32%

начал новую карьеру, пройдя эти курсы

30%

получил значимые преимущества в карьере благодаря этому курсу

Лучшие отзывы о курсе Machine Learning Foundations: A Case Study Approach

автор: PMAug 19th 2019

The course was well designed and delivered by all the trainers with the help of case study and great examples.\n\nThe forums and discussions were really useful and helpful while doing the assignments.

автор: SZDec 20th 2016

Great course!\n\nEmily and Carlos teach this class in a very interest way. They try to let student understand machine learning by some case study. That worked well on me. I like this course very much.

Преподаватели

Avatar

Carlos Guestrin

Amazon Professor of Machine Learning
Computer Science and Engineering
Avatar

Emily Fox

Amazon Professor of Machine Learning
Statistics

О Вашингтонский университет

Founded in 1861, the University of Washington is one of the oldest state-supported institutions of higher education on the West Coast and is one of the preeminent research universities in the world....

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

  • 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.