Build a Regression Model using PyCaret

от партнера
Coursera Project Network
В этом Проект с консультациями вы:

build an end-to-end Regression model using PyCaret

Learn how to interpret a Regression model

Clock2 hours
BeginnerНачинающий
CloudЗагрузка не требуется
VideoВидео на разделенном экране
Comment DotsАнглийский
LaptopТолько для ПК

In this 1-hour long project-based course, you will create an end-to-end Regression model using PyCaret a low-code Python open-source Machine Learning library. The goal is to build a model that can accurately predict the strength of concrete based on several fatures. You will learn how to automate the major steps for building, evaluating, comparing and interpreting Machine Learning Models for regression. Here are the main steps you will go through: frame the problem, get and prepare the data, discover and visualize the data, create the transformation pipeline, build, evaluate, interpret and deploy the model. This guided project is for seasoned Data Scientists who want to build a accelerate the efficiency in building POC and experiments by using a low-code library. It is also for Citizen data Scientists (professionals working with data) by using the low-code library PyCaret to add machine learning models to the analytics toolkit In order to be successful in this project, you should be familiar with Python and the basic concepts on Machine Learning Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Навыки, которые вы получите

  • Python Programming
  • Machine Learning
  • PyCaret
  • regression

Будете учиться пошагово

На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:

  1. Introduction and setup of the environnement

  2. Load and Prepare Data

  3. Explore Data

  4. Preprocess Data

  5. Build Regression Model

  6. Evaluate Model

  7. Interpret and Explain the final Model

  8. Deploy Model

Как устроены проекты с консультациями

Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.

На разделенном экране видео преподаватель предоставляет пошаговые

Часто задаваемые вопросы

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.