Об этом курсе

Недавно просмотрено: 61,168

Карьерные результаты учащихся

38%

начал новую карьеру, пройдя эти курсы

38%

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. 14 часа на выполнение

Английский

Субтитры: Английский, Корейский

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

38%

начал новую карьеру, пройдя эти курсы

38%

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. 14 часа на выполнение

Английский

Субтитры: Английский, Корейский

от партнера

Логотип Университет Джонса Хопкинса

Университет Джонса Хопкинса

Программа курса: что вы изучите

Оценка контентаThumbs Up89%(5,659 оценки)Info
Неделя
1

Неделя 1

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
9 видео
What is prediction?8мин
Relative importance of steps9мин
In and out of sample errors6мин
Prediction study design9мин
Types of errors10мин
Receiver Operating Characteristic5мин
Cross validation8мин
What data should you use?6мин
4 материала для самостоятельного изучения
Welcome to Practical Machine Learning10мин
A Note of Explanation2мин
Syllabus10мин
Pre-Course Survey10мин
1 практического упражнения
Quiz 110мин
Неделя
2

Неделя 2

2 ч. на завершение

Week 2: The Caret Package

2 ч. на завершение
9 видео ((всего 96 мин.))
9 видео
Data slicing5мин
Training options7мин
Plotting predictors10мин
Basic preprocessing10мин
Covariate creation17мин
Preprocessing with principal components analysis14мин
Predicting with Regression12мин
Predicting with Regression Multiple Covariates11мин
1 практического упражнения
Quiz 210мин
Неделя
3

Неделя 3

1 ч. на завершение

Week 3: Predicting with trees, Random Forests, & Model Based Predictions

1 ч. на завершение
5 видео ((всего 48 мин.))
5 видео
Bagging9мин
Random Forests6мин
Boosting7мин
Model Based Prediction11мин
1 практического упражнения
Quiz 310мин
Неделя
4

Неделя 4

4 ч. на завершение

Week 4: Regularized Regression and Combining Predictors

4 ч. на завершение
4 видео ((всего 33 мин.)), 2 материалов для самостоятельного изучения, 3 тестов
4 видео
Combining predictors7мин
Forecasting7мин
Unsupervised Prediction4мин
2 материала для самостоятельного изучения
Course Project Instructions (READ FIRST)10мин
Post-Course Survey10мин
2 практического упражнения
Quiz 410мин
Course Project Prediction Quiz40мин

Рецензии

Лучшие отзывы о курсе ПРАКТИЧЕСКОЕ КОМПЬЮТЕРНОЕ ОБУЧЕНИЕ
Посмотреть все отзывы

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.