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.
Университет Джонса ХопкинсаОб этом курсе
Недавно просмотрено: 73,144
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), Китайский (упрощенное письмо), Итальянский, Вьетнамский, Корейский, Немецкий, Русский, Турецкий, 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), Китайский (упрощенное письмо), Итальянский, Вьетнамский, Корейский, Немецкий, Русский, Турецкий, 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
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 практическое упражнение
Quiz 130мин
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.))
9 видео
Caret package6мин
Data slicing5мин
Training options7мин
Plotting predictors10мин
Basic preprocessing10мин
Covariate creation17мин
Preprocessing with principal components analysis14мин
Predicting with Regression12мин
Predicting with Regression Multiple Covariates11мин
1 практическое упражнение
Quiz 230мин
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.))
5 видео
Bagging9мин
Random Forests6мин
Boosting7мин
Model Based Prediction11мин
1 практическое упражнение
Quiz 330мин
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
4 видео
Combining predictors7мин
Forecasting7мин
Unsupervised Prediction4мин
2 материала для самостоятельного изучения
Course Project Instructions (READ FIRST)10мин
Post-Course Survey10мин
2 практических упражнения
Quiz 430мин
Course Project Prediction Quiz30мин
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 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.
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?
Is financial aid available?
Получу ли я зачеты в университете за прохождение курса?
Остались вопросы? Посетите Центр поддержки учащихся.
