In this course, you’ll be learning various supervised ML algorithms and prediction tasks applied to different data. You’ll learn when to use which model and why, and how to improve the model performances. We will cover models such as linear and logistic regression, KNN, Decision trees and ensembling methods such as Random Forest and Boosting, kernel methods such as SVM.
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Machine Learning: Theory and Hands-on Practice with Python
6.054 bereits angemeldet

Über diesen Kurs
30.937 kürzliche Aufrufe
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Coursera-Labore
Enthält praktische Lernprojekte.
Hier finden Sie weitere Informationen zu Coursera-Laboren Stufe „Mittel“
Calculus, Linear algebra, Python
Ca. 40 Stunden zum Abschließen
Englisch
Was Sie lernen werden
Use modern machine learning tools and python libraries.
Compare logistic regression’s strengths and weaknesses.
Explain how to deal with linearly-inseparable data.
Explain what decision tree is & how it splits nodes.
Kompetenzen, die Sie erwerben
- Hyperparameter
- Decision Tree
- ensembling
- sklearn
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Coursera-Labore
Enthält praktische Lernprojekte.
Hier finden Sie weitere Informationen zu Coursera-Laboren Stufe „Mittel“
Calculus, Linear algebra, Python
Ca. 40 Stunden zum Abschließen
Englisch
Beginnen Sie damit, auf Ihren Master-Abschluss hinzuarbeiten.
Dieses Kurs ist Teil des reinen Onlineabschlusses Master of Science in Data Science von University of Colorado Boulder.
Wenn Sie in das komplette Programm aufgenommen werden, werden Ihre Kurse auf Ihren Abschluss angerechnet.
Lehrplan - Was Sie in diesem Kurs lernen werden
7 Stunden zum Abschließen
Introduction to Machine Learning, Linear Regression
7 Stunden zum Abschließen
5 Videos (Gesamt 67 min), 11 Lektüren, 6 Quiz
6 Stunden zum Abschließen
Multilinear Regression
6 Stunden zum Abschließen
4 Videos (Gesamt 44 min), 5 Lektüren, 3 Quiz
7 Stunden zum Abschließen
Logistic Regression
7 Stunden zum Abschließen
4 Videos (Gesamt 63 min), 6 Lektüren, 3 Quiz
7 Stunden zum Abschließen
Non-parametric Models
7 Stunden zum Abschließen
5 Videos (Gesamt 66 min), 6 Lektüren, 3 Quiz
Bewertungen
- 5 stars22,72 %
- 4 stars27,27 %
- 3 stars9,09 %
- 2 stars13,63 %
- 1 star27,27 %
Top-Bewertungen von INTRODUCTION TO MACHINE LEARNING: SUPERVISED LEARNING
von MH20. Mai 2022
This was an excellent introductory course that allowed me to get into the world of Data Science and Machine Learning.
Über den Spezialisierung Machine Learning: Theory and Hands-on Practice with Python

Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Ist finanzielle Unterstützung möglich?
Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.