Über diesen Kurs

29,511 kürzliche Aufrufe
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.
Ca. 9 Stunden zum Abschließen
Englisch
Untertitel: Englisch
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.
Ca. 9 Stunden zum Abschließen
Englisch
Untertitel: Englisch

von

Placeholder

Alberta Machine Intelligence Institute

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1

Woche 1

4 Stunden zum Abschließen

Classification using Decision Trees and k-NN

4 Stunden zum Abschließen
8 Videos (Gesamt 46 min), 4 Lektüren, 2 Quiz
8 Videos
What does a classifier actually do?5m
Classification in scikit-learn3m
What are decision trees?6m
Generalization and overfitting8m
Classification using k-nearest neighbours8m
Distance measures8m
Weekly summary2m
4 Lektüren
Math Review10m
Scikitlearn documentation for decision trees (Optional)10m
Scikitlearn documentation for random forests (Optional)10m
Scikitlearn documentation for k-nearest neighbours (Optional)10m
2 praktische Übungen
Supervised Learning Basics
Understanding Classification with Decision Trees and k-NN20m
Woche
2

Woche 2

2 Stunden zum Abschließen

Functions for Fun and Profit

2 Stunden zum Abschließen
9 Videos (Gesamt 62 min), 1 Lektüre, 4 Quiz
9 Videos
Optimal line-fitting8m
Loss and Convexity7m
Gradient Descent9m
Nonlinear features and model complexity6m
Bias and variance tradeoff6m
Regularizers5m
Loss for Classification7m
Weekly summary4m
1 Lektüre
Scikitlearn documentation for linear regression (Optional)10m
4 praktische Übungen
Regression Basics
Understanding Model Complexity
From Regression to Classification2m
The Regression side of Supervised Learning20m
Woche
3

Woche 3

3 Stunden zum Abschließen

Regression for Classification: Support Vector Machines

3 Stunden zum Abschließen
6 Videos (Gesamt 34 min), 1 Lektüre, 2 Quiz
6 Videos
Neural Networks9m
Hinge Loss6m
Basics of Support Vector Machines6m
Kernels6m
Weekly Summary1m
1 Lektüre
Scikitlearn documentation for SVMs (Optional)10m
2 praktische Übungen
Understanding Support Vector Machines
Regression-based Classification10m
Woche
4

Woche 4

1 Stunde zum Abschließen

Contrasting Models

1 Stunde zum Abschließen
8 Videos (Gesamt 46 min), 1 Lektüre, 1 Quiz
8 Videos
Classification assessment6m
Learning Curves6m
Testing your models7m
Cross validation5m
Parameter tuning and grid search5m
Model Parameters6m
Weekly Summary1m
1 Lektüre
Some resources on model assessment (Optional)10m
1 praktische Übung
Contrasting Models

Bewertungen

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

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. After completing all four courses, you will have gone through the entire process of building a machine learning project. You will be able to clearly define a machine learning problem, identify appropriate data, train a classification algorithm, improve your results, and deploy it in the real world. You will also be able to anticipate and mitigate common pitfalls in applied machine learning....
Machine Learning: Algorithms in the Real World

Häufig gestellte Fragen

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