Über diesen Kurs

334,674 kürzliche Aufrufe

Karriereergebnisse der Lernenden

14%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

22%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

20%

erhalten Sie eine Gehaltserhöhung oder Beförderung
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Fortgeschritten“
Ca. 53 Stunden zum Abschließen
Englisch
Untertitel: Englisch, Koreanisch

Kompetenzen, die Sie erwerben

Data AnalysisFeature ExtractionFeature EngineeringXgboost

Karriereergebnisse der Lernenden

14%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

22%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

20%

erhalten Sie eine Gehaltserhöhung oder Beförderung
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Fortgeschritten“
Ca. 53 Stunden zum Abschließen
Englisch
Untertitel: Englisch, Koreanisch

von

National Research University Higher School of Economics-Logo

National Research University Higher School of Economics

Lehrplan - Was Sie in diesem Kurs lernen werden

InhaltsbewertungThumbs Up94%(12,438 Bewertungen)Info
Woche
1

Woche 1

8 Stunden zum Abschließen

Introduction & Recap

8 Stunden zum Abschließen
9 Videos (Gesamt 48 min), 8 Lektüren, 6 Quiz
9 Videos
Introduction1m
Meet your lecturers2m
Course overview7m
Competition Mechanics6m
Kaggle Overview [screencast]7m
Real World Application vs Competitions5m
Recap of main ML algorithms9m
Software/Hardware Requirements5m
8 Lektüren
About the University10m
Welcome!10m
Week 1 overview10m
Disclaimer10m
Explanation for quiz questions10m
Additional Materials and Links10m
Explanation for quiz questions10m
Additional Material and Links10m
5 praktische Übungen
Practice Quiz30m
Recap30m
Recap30m
Software/Hardware30m
Graded Soft/Hard Quiz30m
4 Stunden zum Abschließen

Feature Preprocessing and Generation with Respect to Models

4 Stunden zum Abschließen
7 Videos (Gesamt 73 min), 4 Lektüren, 4 Quiz
7 Videos
Numeric features13m
Categorical and ordinal features10m
Datetime and coordinates8m
Handling missing values10m
Bag of words10m
Word2vec, CNN13m
4 Lektüren
Explanation for quiz questions10m
Additional Material and Links10m
Explanation for quiz questions10m
Additional Material and Links10m
4 praktische Übungen
Feature preprocessing and generation with respect to models30m
Feature preprocessing and generation with respect to models30m
Feature extraction from text and images30m
Feature extraction from text and images30m
1 Stunde zum Abschließen

Final Project Description

1 Stunde zum Abschließen
1 Video (Gesamt 4 min), 2 Lektüren
2 Lektüren
Final project10m
Final project advice #110m
Woche
2

Woche 2

2 Stunden zum Abschließen

Exploratory Data Analysis

2 Stunden zum Abschließen
8 Videos (Gesamt 80 min), 2 Lektüren, 1 Quiz
8 Videos
Building intuition about the data6m
Exploring anonymized data15m
Visualizations11m
Dataset cleaning and other things to check7m
Springleaf competition EDA I8m
Springleaf competition EDA II16m
Numerai competition EDA6m
2 Lektüren
Week 2 overview10m
Additional material and links10m
1 praktische Übung
Exploratory data analysis12m
2 Stunden zum Abschließen

Validation

2 Stunden zum Abschließen
4 Videos (Gesamt 51 min), 3 Lektüren, 2 Quiz
4 Videos
Validation strategies7m
Data splitting strategies14m
Problems occurring during validation20m
3 Lektüren
Validation strategies10m
Comments on quiz10m
Additional material and links10m
2 praktische Übungen
Validation30m
Validation30m
5 Stunden zum Abschließen

Data Leakages

5 Stunden zum Abschließen
3 Videos (Gesamt 26 min), 3 Lektüren, 3 Quiz
3 Videos
Leaderboard probing and examples of rare data leaks9m
Expedia challenge9m
3 Lektüren
Comments on quiz10m
Additional material and links10m
Final project advice #210m
1 praktische Übung
Data leakages30m
Woche
3

Woche 3

3 Stunden zum Abschließen

Metrics Optimization

3 Stunden zum Abschließen
8 Videos (Gesamt 83 min), 3 Lektüren, 2 Quiz
8 Videos
Regression metrics review I14m
Regression metrics review II8m
Classification metrics review20m
General approaches for metrics optimization6m
Regression metrics optimization10m
Classification metrics optimization I7m
Classification metrics optimization II6m
3 Lektüren
Week 3 overview10m
Comments on quiz10m
Additional material and links10m
2 praktische Übungen
Metrics30m
Metrics30m
4 Stunden zum Abschließen

Advanced Feature Engineering I

4 Stunden zum Abschließen
3 Videos (Gesamt 27 min), 2 Lektüren, 2 Quiz
3 Videos
Regularization7m
Extensions and generalizations10m
2 Lektüren
Comments on quiz10m
Final project advice #310m
1 praktische Übung
Mean encodings30m
Woche
4

Woche 4

3 Stunden zum Abschließen

Hyperparameter Optimization

3 Stunden zum Abschließen
6 Videos (Gesamt 86 min), 4 Lektüren, 2 Quiz
6 Videos
Hyperparameter tuning II12m
Hyperparameter tuning III13m
Practical guide16m
KazAnova's competition pipeline, part 118m
KazAnova's competition pipeline, part 217m
4 Lektüren
Week 4 overview10m
Comments on quiz10m
Additional material and links10m
Additional materials and links10m
2 praktische Übungen
Practice quiz30m
Graded quiz30m
4 Stunden zum Abschließen

Advanced feature engineering II

4 Stunden zum Abschließen
4 Videos (Gesamt 22 min), 2 Lektüren, 2 Quiz
4 Videos
Matrix factorizations6m
Feature Interactions5m
t-SNE5m
2 Lektüren
Comments on quiz10m
Additional Materials and Links10m
1 praktische Übung
Graded Advanced Features II Quiz30m
10 Stunden zum Abschließen

Ensembling

10 Stunden zum Abschließen
8 Videos (Gesamt 92 min), 4 Lektüren, 4 Quiz
8 Videos
Bagging9m
Boosting16m
Stacking16m
StackNet14m
Ensembling Tips and Tricks14m
CatBoost 17m
CatBoost 27m
4 Lektüren
Validation schemes for 2-nd level models10m
Comments on quiz10m
Additional materials and links10m
Final project advice #410m
2 praktische Übungen
Ensembling30m
Ensembling30m

Bewertungen

Top-Bewertungen von HOW TO WIN A DATA SCIENCE COMPETITION: LEARN FROM TOP KAGGLERS

Alle Bewertungen anzeigen

Über den Spezialisierung Erweiterte maschinelles Lernen

This specialization gives an introduction to deep learning, reinforcement learning, natural language understanding, computer vision and Bayesian methods. Top Kaggle machine learning practitioners and CERN scientists will share their experience of solving real-world problems and help you to fill the gaps between theory and practice. Upon completion of 7 courses you will be able to apply modern machine learning methods in enterprise and understand the caveats of real-world data and settings....
Erweiterte maschinelles Lernen

Häufig gestellte Fragen

  • Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:

    • Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
    • Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
  • Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.

  • Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine 7-tägige, kostenlose Testversion, die Sie gebührenfrei wieder kündigen können. Danach gewähren wir keine Rückerstattungen mehr, aber Sie können Ihr Abonnement jederzeit kündigen. Lesen Sie unsere vollständige Rückerstattungsrichtlinie.

  • Ja, Coursera bietet für Kursteilnehmer, die sich die Kursgebühr nicht leisten können, finanzielle Unterstützung an. Bewerben Sie sich dafür, indem Sie auf den Link für finanzielle Unterstützung links unter der Schaltfläche „Anmelden“ klicken. Sie werden zum Ausfüllen eines Antrags aufgefordert und werden bei Genehmigung benachrichtigt. Diesen Schritt müssen Sie für jeden Kurs der Spezialisierung ausführen, auch für das Abschlussprojekt. Mehr erfahren

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..