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: 22 120
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Прибл. 9 часов на выполнение
Английский
Будет ли вашей компании выгодно обучить сотрудников востребованным навыкам?
Попробуйте Coursera для бизнесаЧему 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 Forest
- Machine Learning (ML) Algorithms
- Machine Learning
- R Programming
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Прибл. 9 часов на выполнение
Английский
Будет ли вашей компании выгодно обучить сотрудников востребованным навыкам?
Попробуйте Coursera для бизнеса
от партнера
Программа курса: что вы изучите
2 ч. на завершение
Week 1: Prediction, 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
2 ч. на завершение
9 видео ((всего 96 мин.))
1 ч. на завершение
Week 3: Predicting with trees, Random Forests, & Model Based Predictions
1 ч. на завершение
5 видео ((всего 48 мин.))
3 ч. на завершение
Week 4: Regularized Regression and Combining Predictors
3 ч. на завершение
4 видео ((всего 33 мин.)), 2 материалов для самостоятельного изучения, 3 тестов
Рецензии
- 5 stars66,43 %
- 4 stars22,36 %
- 3 stars6,90 %
- 2 stars2,51 %
- 1 star1,77 %
Лучшие отзывы о курсе ПРАКТИЧЕСКОЕ КОМПЬЮТЕРНОЕ ОБУЧЕНИЕ
от партнера JP24 июня 2017 г.
Awesome course. Would recommend it, but only to those who have a bit of stats and R background. This definitely helped me get a solid enough understanding of using R for machine learning.
от партнера JF13 февр. 2019 г.
Very good course. Clear explanations and examples give a good overview of the foundations of Machine Learning. After this course the student can build Machine Learning models.
от партнера NK18 февр. 2016 г.
Some of the terms used here vary from the terms used in the industry. For example recall, precision etc. Overall this is a very good course with provides basics of machine learning.
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.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Что я получу, оформив подписку на специализацию?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
