Этот курс входит в специализацию ''Специализация Practical Data Science with MATLAB'

Heather Gorr и еще 10 преподавателей

от партнера

Специализация Practical Data Science with MATLABMathWorks

Об этом курсе

Недавно просмотрено: 29,921

In this course, you will build on the skills learned in Exploratory Data Analysis with MATLAB and Data Processing and Feature Engineering with MATLAB to increase your ability to harness the power of MATLAB to analyze data relevant to the work you do.
These skills are valuable for those who have domain knowledge and some exposure to computational tools, but no programming background. To be successful in this course, you should have some background in basic statistics (histograms, averages, standard deviation, curve fitting, interpolation) and have completed courses 1 through 2 of this specialization. 

By the end of this course, you will use MATLAB to identify the best machine learning model for obtaining answers from your data. You will prepare your data, train a predictive model, evaluate and improve your model, and understand how to get the most out of your models.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 3 из 4 в программе

Специализация Practical Data Science with MATLAB

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Средний уровень

Прибл. 22 часа на выполнение

Английский

Субтитры: Английский

Приобретаемые навыки

Machine LearningMatlabPredictive Modelling

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 3 из 4 в программе

Специализация Practical Data Science with MATLAB

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Средний уровень

Прибл. 22 часа на выполнение

Английский

Субтитры: Английский

Преподаватели

Оценка преподавателя

4.78/5 (оценок: 28)

от партнера

MathWorks

Accelerating the pace of discovery, innovation, development, and learning in engineering and science.

Программа курса: что вы изучите

Неделя

Неделя 1

5 ч. на завершение

Creating Regression Models

In this module you'll apply the skills gained from the first two courses in the specialization on a new dataset. You'll be introduced to the Supervised Machine Learning Workflow and learn key terms. You'll end the module by creating and evaluating regression machine learning models.

5 ч. на завершение

11 видео ((всего 73 мин.)), 7 материалов для самостоятельного изучения, 7 тестов

11 видео

Practical Data Science with MATLAB3мин

Instructor Introduction2мин

Introduction to Supervised Machine Learning4мин

Introduction to the Taxi Data7мин

Creating and Cleaning Features8мин

Introduction to Regression8мин

Using the Regression Learner App10мин

Customizing Model Parameters9мин

Evaluating Regression Models6мин

Evaluate Your Model in MATLAB9мин

Summary of Regression1мин

7 материалов для самостоятельного изучения

Download and Install MATLAB15мин

Data and Code Files15мин

Supervised Machine Learning Reference10мин

Introduction to Module 15мин

Variables in the Taxi Data10мин

Summary of Regression Models15мин

Regression Metrics10мин

3 практических упражнения

Feature Engineering Review12мин

Train a Regression Model30мин

Apply the Regression Workflow45мин

Неделя

Неделя 2

4 ч. на завершение

Creating Classification Models

In this module you'll learn the basics of classification models. You'll train several types of classification models and evaluation the results.

4 ч. на завершение

6 видео ((всего 45 мин.)), 6 материалов для самостоятельного изучения, 2 тестов

6 видео

Introduction to Classification9мин

Using the Classification Learner App7мин

Evaluating Classification Models11мин

Evaluating Classification Models in MATLAB5мин

Training a Multiclass Model7мин

Summary of Classification1мин

6 материалов для самостоятельного изучения

Introduction to Module 25мин

Summary of Classification Models15мин

Binary Classification Metrics Reference20мин

Evaluate and Customize Classification Models30мин

Multiclass Classification Metrics Reference20мин

Customizing Multiclass Models30мин

2 практических упражнения

Train a Classification Model30мин

Apply The Classification Workflow50мин

Неделя

Неделя 3

8 ч. на завершение

Applying the Supervised Machine Learning Workflow

In this module you'll apply the complete supervised machine learning workflow. You'll use validation data inform model creation. You'll apply different feature selection techniques to reduce model complexity. You'll create ensemble models and optimize hyperparameters. At the end of the module, you'll apply these concepts to a final project.

8 ч. на завершение

9 видео ((всего 49 мин.)), 5 материалов для самостоятельного изучения, 3 тестов

9 видео

Addressing Underfitting and Overfitting8мин

Using Validation Data During Training3мин

Embedded Methods for Feature Selection7мин

Using Regularization to Prevent Overfitting6мин

Introduction to Ensemble Models3мин

Training Ensemble Models3мин

Introduction to Hyperparameters5мин

Optimizing Hyperparameters8мин

Summary of Module 32мин

5 материалов для самостоятельного изучения

Introduction to Module 310мин

Examining Bias Variance Trade-off15мин

Practice Partitioning Data30мин

Using Wrapper Methods to Select Features40мин

Introduction to the Course Project10мин

2 практических упражнения

Practice Reducing Model Complexity30мин

Applying Ensemble Models30мин

Неделя

Неделя 4

5 ч. на завершение

Advanced Topics and Next Steps

5 ч. на завершение

5 видео ((всего 26 мин.)), 6 материалов для самостоятельного изучения, 2 тестов

5 видео

Handling Class Imbalance5мин

Reducing Specific Errors Using Cost Matrices7мин

Integrating Your Model3мин

A Discussion with Heather7мин

Summary of Predictive Modeling and Machine Learning3мин

6 материалов для самостоятельного изучения

Introduction to Module 45мин

Sampling Data30мин

Practice Handling Class Imbalance30мин

Oversampling the Minority Class30мин

Examples of Integrating Machine Learning Models15мин

Automated Machine Learning45мин

2 практических упражнения

Practice Reducing Prediction Errors30мин

Quiz: Advanced Topics and Next Steps1ч

Специализация Practical Data Science with MATLAB: общие сведения

Do you find yourself in an industry or field that increasingly uses data to answer questions? Are you working with an overwhelming amount of data and need to make sense of it? Do you want to avoid becoming a full-time software developer or statistician to do meaningful tasks with your data?

Completing this specialization will give you the skills and confidence you need to achieve practical results in Data Science quickly. Being able to visualize, analyze, and model data are some of the most in-demand career skills from fields ranging from healthcare, to the auto industry, to tech startups. This specialization assumes you have domain expertise in a technical field and some exposure to computational tools, such as spreadsheets. To be successful in completing the courses, you should have some background in basic statistics (histograms, averages, standard deviation, curve fitting, interpolation). Throughout this specialization, you will be using MATLAB. MATLAB is the go-to choice for millions of people working in engineering and science, and provides the capabilities you need to accomplish your data science tasks. You will be provided with free access to MATLAB for the duration of the specialization to complete your work.

Часто задаваемые вопросы

Когда я получу доступ к лекциям и заданиям?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
Что я получу, оформив подписку на специализацию?
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.
Is financial aid available?
Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке "Финансовая помощь" слева под кнопкой "Зарегистрироваться". Заполните форму заявления. Если его примут, вы получите уведомление. Обратите внимание: этот шаг необходимо выполнить для каждого курса специализации, в том числе для дипломного проекта. Подробнее

Остались вопросы? Посетите Центр поддержки учащихся.

Predictive Modeling and Machine Learning with MATLAB