One of the most common tasks performed by data scientists and data analysts are prediction and machine learning. This course will cover the basic components of building and applying prediction functions with an emphasis on practical applications. The course will provide basic grounding in concepts such as training and tests sets, overfitting, and error rates. The course will also introduce a range of model based and algorithmic machine learning methods including regression, classification trees, Naive Bayes, and random forests. The course will cover the complete process of building prediction functions including data collection, feature creation, algorithms, and evaluation.
от партнера
Университет Джонса ХопкинсаОб этом курсе
Недавно просмотрено: 50,875
Карьерные результаты учащихся
37%
начал новую карьеру, пройдя эти курсы
37%
получил значимые преимущества в карьере благодаря этому курсу
12%
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. 9 часов на выполнение
Английский
Субтитры: Арабский, Французский, Португальский (Европа), Итальянский, Вьетнамский, Корейский, Немецкий, Русский, Английский, Испанский
Чему вы научитесь
Use the basic components of building and applying prediction functions
Understand concepts such as training and tests sets, overfitting, and error rates
Describe machine learning methods such as regression or classification trees
Explain the complete process of building prediction functions
Приобретаемые навыки
Random ForestMachine Learning (ML) AlgorithmsMachine LearningR Programming
Карьерные результаты учащихся
37%
начал новую карьеру, пройдя эти курсы
37%
получил значимые преимущества в карьере благодаря этому курсу
12%
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. 9 часов на выполнение
Английский
Субтитры: Арабский, Французский, Португальский (Европа), Итальянский, Вьетнамский, Корейский, Немецкий, Русский, Английский, Испанский
от партнера
Университет Джонса Хопкинса
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
Программа курса: что вы изучите
2 ч. на завершение
Week 1: Prediction, Errors, and Cross Validation
This week will cover prediction, relative importance of steps, errors, and cross validation.
2 ч. на завершение
9 видео ((всего 73 мин.)), 4 материалов для самостоятельного изучения, 1 тест
2 ч. на завершение
Week 2: The Caret Package
This week will introduce the caret package, tools for creating features and preprocessing.
2 ч. на завершение
9 видео ((всего 96 мин.))
1 ч. на завершение
Week 3: Predicting with trees, Random Forests, & Model Based Predictions
This week we introduce a number of machine learning algorithms you can use to complete your course project.
1 ч. на завершение
5 видео ((всего 48 мин.))
3 ч. на завершение
Week 4: Regularized Regression and Combining Predictors
This week, we will cover regularized regression and combining predictors.
3 ч. на завершение
4 видео ((всего 33 мин.)), 2 материалов для самостоятельного изучения, 3 тестов
Рецензии
Лучшие отзывы о курсе ПРАКТИЧЕСКОЕ КОМПЬЮТЕРНОЕ ОБУЧЕНИЕ
от партнера MR13 авг. 2020 г.
recommended for all the 21st centuary students who might be intrested to play with data in future or some kind of work related to make predictions systemically must have good knowledge of this course
от партнера AD28 февр. 2017 г.
Issues of every stage of the construction of learning machine model, as well as issues with several different machine learning methods are well and in fine yet very understandable detail explained.
от партнера AS30 авг. 2017 г.
Highly recommend this course. It makes you read a lot, do lot's of practical exercises. The final project is a must do. After finishing this course you can start playing with kaggle data sets.
от партнера DH17 июня 2018 г.
Excellent introduction to basic ML techniques. A lot of material covered in a short period of time! I will definitely seek more advanced training out of the inspiration provided by this class.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Что я получу, оформив подписку на специализацию?
Is financial aid available?
Остались вопросы? Посетите Центр поддержки учащихся.
