Dieser Kurs ist Teil der Spezialisierung Spezialisierung Machine Learning: Algorithms in the Real World

4.7
Sterne
406 Bewertungen

96 %

Anna Koop

15.453 bereits angemeldet

von

Spezialisierung Machine Learning: Algorithms in the Real WorldAlberta Machine Intelligence Institute

Über diesen Kurs

4.209 kürzliche Aufrufe

This course takes you from understanding the fundamentals of a machine learning project. Learners will understand and implement supervised learning techniques on real case studies to analyze business case scenarios where decision trees, k-nearest neighbours and support vector machines are optimally used. Learners will also gain skills to contrast the practical consequences of different data preparation steps and describe common production issues in applied ML.
To be successful, you should have at least beginner-level background in Python programming (e.g., be able to read and code trace existing code, be comfortable with conditionals, loops, variables, lists, dictionaries and arrays). You should have a basic understanding of linear algebra (vector notation) and statistics (probability distributions and mean/median/mode).

This is the second course of the Applied Machine Learning Specialization brought to you by Coursera and the Alberta Machine Intelligence Institute.

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

Kurs 2 von 4 in

Spezialisierung Machine Learning: Algorithms in the Real World

Ca. 9 Stunden zum Abschließen

Englisch

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

Kurs 2 von 4 in

Spezialisierung Machine Learning: Algorithms in the Real World

Ca. 9 Stunden zum Abschließen

Englisch

Dozent

Dozentenbewertung

4,7/5 (74 Bewertungen)

Anna Koop

Senior Scientific Advisor

Alberta Machine Intelligence Institute, University of Alberta

32.926 Lernende

5 Kurse

von

Alberta Machine Intelligence Institute

Lehrplan - Was Sie in diesem Kurs lernen werden

Inhaltsbewertung96%(1,004 Bewertungen)

Woche1

Woche 1

4 Stunden zum Abschließen

Classification using Decision Trees and k-NN

Welcome to Supervised Learning, Tip to Tail! This week we'll go over the basics of supervised learning, particularly classification, as well as teach you about two classification algorithms: decision trees and k-NN. You'll get started programming on the platform through Jupyter notebooks and start to familiarize yourself with all the issues that arise when using machine learning for classification.

4 Stunden zum Abschließen

8 Videos (Gesamt 46 min), 4 Lektüren, 2 Quiz

8 Videos

Introduction to the Course1mWhat does a classifier actually do?5mClassification in scikit-learn3mWhat are decision trees?6mGeneralization and overfitting8mClassification using k-nearest neighbours8mDistance measures8mWeekly summary2m

4 Lektüren

Math Review10mScikitlearn documentation for decision trees (Optional)10mScikitlearn documentation for random forests (Optional)10mScikitlearn documentation for k-nearest neighbours (Optional)10m

2 praktische Übungen

Supervised Learning BasicsUnderstanding Classification with Decision Trees and k-NN20m

Woche2

Woche 2

2 Stunden zum Abschließen

Functions for Fun and Profit

Welcome to the second week of the course! In this week you'll learn all about regression algorithms, the other side of supervised learning. We'll introduce you to the idea of finding lines, optimization criteria, and all the associated issues. Through regression we'll see the interactions between model complexity and accuracy, and you'll get a first taste of how regression and classification might relate.

2 Stunden zum Abschließen

9 Videos (Gesamt 62 min), 1 Lektüre, 4 Quiz

9 Videos

Line-fitting6mOptimal line-fitting8mLoss and Convexity7mGradient Descent9mNonlinear features and model complexity6mBias and variance tradeoff6mRegularizers5mLoss for Classification7mWeekly summary4m

1 Lektüre

Scikitlearn documentation for linear regression (Optional)10m

4 praktische Übungen

Regression BasicsUnderstanding Model ComplexityFrom Regression to Classification2mThe Regression side of Supervised Learning20m

Woche3

Woche 3

3 Stunden zum Abschließen

Regression for Classification: Support Vector Machines

This week we'll be diving straight in to using regression for classification. We'll describe all the fundamental pieces that make up the support vector machine algorithms, so that you can understand how many seemingly unrelated machine learning algorithms tie together. We'll introduce you to logistic regression, neural networks, and support vector machines, and show you how to implement two of those.

3 Stunden zum Abschließen

6 Videos (Gesamt 34 min), 1 Lektüre, 2 Quiz

Woche4

Woche 4

1 Stunde zum Abschließen

Contrasting Models

Now at the tail end of the course, we're going to go over how to know how well your model is actually performing and what you can do to get even better performance from it. We'll review assessment questions particular to regression and classification, and introduce some other tools that really help you analyze your model performance. The topics covered this week aim to give you confidence in your models, so you're ready to unlock the power of machine learning for your business goals.

1 Stunde zum Abschließen

8 Videos (Gesamt 46 min), 1 Lektüre, 1 Quiz

Bewertungen

4.7

66 Bewertungen

5 stars
76,16 %
4 stars
18,42 %
3 stars
3,19 %
2 stars
0,98 %
1 star
1,22 %

Top-Bewertungen von MACHINE LEARNING ALGORITHMS: SUPERVISED LEARNING TIP TO TAIL

von KG9. Mai 2020

The explanation of the topics are easy to understand due to the dynamics of theory, practical exercises and quizzes.

von DS6. Mai 2020

Excellent course for an overview of different ML algorithms. The course is made from a perspective of giving insights in process and not too many mathematical details.

von HM1. Mai 2020

A good refresher on some commonly found learning algorithms.

von KS13. Juni 2020

although the course felt a little hurried, I found the course and the instructor to be very engaging. I look forward to learning more

Alle Bewertungen anzeigen

Über den Spezialisierung Machine Learning: Algorithms in the Real World

This specialization is for professionals who have heard the buzz around machine learning and want to apply machine learning to data analysis and automation. Whether finance, medicine, engineering, business or other domains, this specialization will set you up to define, train, and maintain a successful machine learning application.

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
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.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
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.
Ist finanzielle Unterstützung möglich?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie sich die Anmeldegebühr nicht leisten können. Wenn für das von Ihnen gewählte Lernprogramm finanzielle Unterstützung oder ein Stipendium verfügbar ist, wird auf der Beschreibungsseite ein Link zu einem solchen Antrag angezeigt.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Machine Learning Algorithms: Supervised Learning Tip to Tail

Über diesen Kurs