Support Vector Machines with scikit-learn
Understand the theory behind support vector machines
Builld SVM models with scikit-learn to classify linear and non-linear data
Determine the strengths and limitations of SVMs
Develop an SVM-based facial recognition model
In this project, you will learn the functioning and intuition behind a powerful class of supervised linear models known as support vector machines (SVMs). By the end of this project, you will be able to apply SVMs using scikit-learn and Python to your own classification tasks, including building a simple facial recognition model. This course runs on Coursera's hands-on project platform called Rhyme. On Rhyme, you do projects in a hands-on manner in your browser. You will get instant access to pre-configured cloud desktops containing all of the software and data you need for the project. Everything is already set up directly in your internet browser so you can just focus on learning. For this project, you’ll get instant access to a cloud desktop with Python, Jupyter, and scikit-learn pre-installed. Notes: - You will be able to access the cloud desktop 5 times. However, you will be able to access instructions videos as many times as you want. - 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
Будете учиться пошагово
На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:
Getting Started
Beyond Linear Discriminative Classifiers
Many Possible Separators
Plotting the Margins
Training an SVM Model
Facial Recognition with SVMs
Preprocessing the data set
Hyperparameter Tuning with Grid-Search Cross Validation
Visualize Test Images
Evaluating the Support Vector Classifier
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
Рецензии
Лучшие отзывы о курсе SUPPORT VECTOR MACHINES WITH SCIKIT-LEARN
It might be difficult for some people to understand this course who have zero knowledge of machine learning. Overall the course was good.
Beginner friendly and walks you through most of major steps which are usually done in Machine Learning Projects with SVM. Good course
Learned about SVM. Need t revisit the code and get most out of it.\n\nThings were concise and that is the strength of the course.
This guided project will definitely give you a practical approach to what you have read in SVM. Will definitely worth your time.
Часто задаваемые вопросы
Часто задаваемые вопросы
Что я получу, приобретя проект с рекомендациями?
Доступны ли проекты с консультациями на ПК и мобильных устройствах?
Какие преподаватели ведут проекты с рекомендациями?
Можно ли скачать работу из уже завершенного проекта с рекомендациями?
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Можно ли прослушать проект с рекомендациями и посмотреть видео бесплатно?
Какие предварительные знания требуются для работы над проектом с рекомендациями?
Можно ли выполнить этот проект с рекомендациями в веб-браузере, не устанавливая специальное ПО?
Как организована учеба на проектах с рекомендациями?
Остались вопросы? Посетите Центр поддержки учащихся.
Coursera Footer
