Об этом курсе

Недавно просмотрено: 794,226

Карьерные результаты учащихся

34%

начал новую карьеру, пройдя эти курсы

35%

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.
Промежуточный уровень
Прибл. 34 часа на выполнение
Английский
Субтитры: Английский, Корейский

Чему вы научитесь

  • Describe how machine learning is different than descriptive statistics

  • Create and evaluate data clusters

  • Explain different approaches for creating predictive models

  • Build features that meet analysis needs

Приобретаемые навыки

Python ProgrammingMachine Learning (ML) AlgorithmsMachine LearningScikit-Learn

Карьерные результаты учащихся

34%

начал новую карьеру, пройдя эти курсы

35%

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.
Промежуточный уровень
Прибл. 34 часа на выполнение
Английский
Субтитры: Английский, Корейский

Преподаватели

от партнера

Логотип Мичиганский университет

Мичиганский университет

Программа курса: что вы изучите

Оценка контентаThumbs Up91%(11,274 оценки)Info
Неделя
1

Неделя 1

8 ч. на завершение

Module 1: Fundamentals of Machine Learning - Intro to SciKit Learn

8 ч. на завершение
6 видео ((всего 71 мин.)), 4 материалов для самостоятельного изучения, 2 тестов
6 видео
Introduction11мин
Key Concepts in Machine Learning13мин
Python Tools for Machine Learning4мин
An Example Machine Learning Problem12мин
Examining the Data9мин
K-Nearest Neighbors Classification20мин
4 материала для самостоятельного изучения
Course Syllabus10мин
Help us learn more about you!10мин
Notice for Auditing Learners: Assignment Submission10мин
Zachary Lipton: The Foundations of Algorithmic Bias (optional)30мин
1 практическое упражнение
Module 1 Quiz20мин
Неделя
2

Неделя 2

9 ч. на завершение

Module 2: Supervised Machine Learning - Part 1

9 ч. на завершение
12 видео ((всего 166 мин.)), 2 материалов для самостоятельного изучения, 2 тестов
12 видео
Overfitting and Underfitting12мин
Supervised Learning: Datasets4мин
K-Nearest Neighbors: Classification and Regression13мин
Linear Regression: Least-Squares17мин
Linear Regression: Ridge, Lasso, and Polynomial Regression19мин
Logistic Regression12мин
Linear Classifiers: Support Vector Machines13мин
Multi-Class Classification6мин
Kernelized Support Vector Machines18мин
Cross-Validation9мин
Decision Trees19мин
2 материала для самостоятельного изучения
A Few Useful Things to Know about Machine Learning10мин
Ed Yong: Genetic Test for Autism Refuted (optional)10мин
1 практическое упражнение
Module 2 Quiz22мин
Неделя
3

Неделя 3

7 ч. на завершение

Module 3: Evaluation

7 ч. на завершение
7 видео ((всего 81 мин.)), 1 материал для самостоятельного изучения, 2 тестов
7 видео
Confusion Matrices & Basic Evaluation Metrics12мин
Classifier Decision Functions7мин
Precision-recall and ROC curves6мин
Multi-Class Evaluation13мин
Regression Evaluation6мин
Model Selection: Optimizing Classifiers for Different Evaluation Metrics13мин
1 материал для самостоятельного изучения
Practical Guide to Controlled Experiments on the Web (optional)10мин
1 практическое упражнение
Module 3 Quiz28мин
Неделя
4

Неделя 4

10 ч. на завершение

Module 4: Supervised Machine Learning - Part 2

10 ч. на завершение
10 видео ((всего 94 мин.)), 11 материалов для самостоятельного изучения, 2 тестов
10 видео
Random Forests11мин
Gradient Boosted Decision Trees5мин
Neural Networks19мин
Deep Learning (Optional)7мин
Data Leakage11мин
Introduction4мин
Dimensionality Reduction and Manifold Learning9мин
Clustering14мин
Conclusion2мин
11 материалов для самостоятельного изучения
Neural Networks Made Easy (optional)10мин
Play with Neural Networks: TensorFlow Playground (optional)10мин
Deep Learning in a Nutshell: Core Concepts (optional)10мин
Assisting Pathologists in Detecting Cancer with Deep Learning (optional)10мин
The Treachery of Leakage (optional)10мин
Leakage in Data Mining: Formulation, Detection, and Avoidance (optional)10мин
Data Leakage Example: The ICML 2013 Whale Challenge (optional)10мин
Rules of Machine Learning: Best Practices for ML Engineering (optional)10мин
How to Use t-SNE Effectively10мин
How Machines Make Sense of Big Data: an Introduction to Clustering Algorithms10мин
Post-course Survey10мин
1 практическое упражнение
Module 4 Quiz20мин

Рецензии

Лучшие отзывы о курсе APPLIED MACHINE LEARNING IN PYTHON

Посмотреть все отзывы

Специализация Прикладная наука о данных с Python: общие сведения

The 5 courses in this University of Michigan specialization introduce learners to data science through the python programming language. This skills-based specialization is intended for learners who have a basic python or programming background, and want to apply statistical, machine learning, information visualization, text analysis, and social network analysis techniques through popular python toolkits such as pandas, matplotlib, scikit-learn, nltk, and networkx to gain insight into their data. Introduction to Data Science in Python (course 1), Applied Plotting, Charting & Data Representation in Python (course 2), and Applied Machine Learning in Python (course 3) should be taken in order and prior to any other course in the specialization. After completing those, courses 4 and 5 can be taken in any order. All 5 are required to earn a certificate....
Прикладная наука о данных с Python

Часто задаваемые вопросы

  • Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:

    • The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.

    • The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.

  • When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile. If you only want to read and view the course content, you can audit the course for free.

  • If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.

  • Yes, Coursera provides financial aid to learners who cannot afford the fee. Apply for it by clicking on the Financial Aid link beneath the "Enroll" button on the left. You'll be prompted to complete an application and will be notified if you are approved. You'll need to complete this step for each course in the Specialization, including the Capstone Project. Learn more.

Остались вопросы? Посетите Центр поддержки учащихся.