Dimensionality Reduction using an Autoencoder in Python

4.6
звезд
Оценки: 82
от партнера
Coursera Project Network
2,760 уже зарегистрированы
В этом Проект с консультациями вы:

How to generate and preprocess high-dimensional data

How an autoencoder works, and how to train one in scikit-learn

How to extract the encoder portion from a trained model, and reduce dimensionality of your input data

Clock60 minutes
IntermediateУчащийся среднего уровня
CloudЗагрузка не требуется
VideoВидео на разделенном экране
Comment DotsАнглийский
LaptopТолько для ПК

In this 1-hour long project, you will learn how to generate your own high-dimensional dummy dataset. You will then learn how to preprocess it effectively before training a baseline PCA model. You will learn the theory behind the autoencoder, and how to train one in scikit-learn. You will also learn how to extract the encoder portion of it to reduce dimensionality of your input data. In the course of this project, you will also be exposed to some basic clustering strength metrics. 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

Dimensionality ReductionArtificial Neural NetworkMachine Learningclustering

Будете учиться пошагово

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

  1. An introduction to the problem and a summary of needed imports

  2. Dataset creation and preprocessing

  3. Using PCA as a baseline for model performance

  4. Theory behind the autoencoder architecture and how to train a model in scikit-learn

  5. Reducing dimensionality using the encoder half of an autoencoder within scikit-learn

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

Преподаватели

Рецензии

Лучшие отзывы о курсе DIMENSIONALITY REDUCTION USING AN AUTOENCODER IN PYTHON

Посмотреть все отзывы

Часто задаваемые вопросы

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.