Dieser Kurs ist Teil der Spezialisierung Spezialisierung AI for Scientific Research

3.8
Sterne
10 Bewertungen

Sabrina Moore +2 weitere Dozenten

von

Spezialisierung AI for Scientific ResearchLearnQuest

Über diesen Kurs

1.999 kürzliche Aufrufe

This course is aimed at anyone interested in applying machine learning techniques to scientific problems. In this course, we'll learn about the complete machine learning pipeline, from reading in, cleaning, and transforming data to running basic and advanced machine learning algorithms. We'll start with data preprocessing techniques, such as PCA and LDA. Then, we'll dive into the fundamental AI algorithms: SVMs and K-means clustering. Along the way, we'll build our mathematical and programming toolbox to prepare ourselves to work with more complicated models. Finally, we'll explored advanced methods such as random forests and neural networks. Throughout the way, we'll be using medical and astronomical datasets. In the final project, we'll apply our skills to compare different machine learning models in Python.

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 AI for Scientific Research

Stufe „Mittel“

Some basic Python knowledge

Ca. 11 Stunden zum Abschließen

Englisch

Was Sie lernen werden

Implement and evaluate machine learning models (neural networks, random forests, etc.) on scientific data in Python

Kompetenzen, die Sie erwerben

Artificial Neural Network
Machine Learning
Python Programming
Random Forest
PCA

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 AI for Scientific Research

Stufe „Mittel“

Some basic Python knowledge

Ca. 11 Stunden zum Abschließen

Englisch

Dozenten

von

LearnQuest

LearnQuest is the preferred training partner to the world’s leading companies, organizations, and government agencies. Our team boasts 20+ years of experience designing, developing and delivering a full suite industry-leading technology education classes and training solutions across the globe. Our trainers, equipped with expert industry experience and an unparalleled commitment to quality, facilitate classes that are offered in various delivery formats so our clients can obtain the training they need when and where they need it.

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche1

Woche 1

2 Stunden zum Abschließen

Before the AI: Preparing and Preprocessing Data

In this module, we'll tackle the steps taken before we can use AI algorithms. We'll start with an introduction to the most prominent data preprocessing techniques including filling in missing values and removing outliers. Then we'll dive into data transformations including PCA and LDA, two methods featured heavily for dimensionality reduction. Finally, we'll learn how to code the algorithms in Python to set up your data for use in the next module.

2 Stunden zum Abschließen

12 Videos (Gesamt 47 min), 4 Lektüren, 2 Quiz

12 Videos

Course Introduction45Setting Up the Environment2mModule Introduction51Anatomy of a Dataset (I)5mAnatomy of a Dataset (II)4mData Preprocessing Techniques6mCalculating Eigenvalues and Eigenvectors5mIntroduction to PCA3mMath of PCA5mPCA in Action (I)3mPCA in Action (II)6mIntroduction to LDA2m

4 Lektüren

Data Preprocessing10mPCA Explained10mMatrix Multiplication10mLDA in Practice10m

2 praktische Übungen

Practice Quiz: Eigenvalues and Eigenvectors10mData Preprocessing Techniques30m

Woche2

Woche 2

4 Stunden zum Abschließen

Foundational AI Algorithms: K-Means and SVM

In this module, we'll dive into two of the most foundational machine learning algorithms: K-Means and support vector machines. We'll start by comparing the two branches of ML: supervised and unsupervised learning. Then, we'll go into the specific similarities and differences between K-Nearest neighbors for classification and K-Means clustering. Finally, we'll perform deep dives into K-Means and SVMs, learning the basic theory behind them and how to implement each in Python.

4 Stunden zum Abschließen

4 Videos (Gesamt 13 min), 3 Lektüren, 3 Quiz

Woche3

Woche 3

4 Stunden zum Abschließen

Advanced AI: Neural Networks and Decision Trees

In this module, we'll explore some advanced AI techniques. We'll start with tree-based algorithms, made popular because of the use of random forests for both classification and regression. Then, we'll build our way to neural networks, starting from experimentation on the different models. We'll spend some time in the Tensorflow playground getting familiar with the different mechanics behind neural networks. Finally, we'll code our own neural networks to make predictions on unseen data.

4 Stunden zum Abschließen

1 Video (Gesamt 1 min), 4 Lektüren, 2 Quiz

Woche4

Woche 4

2 Stunden zum Abschließen

Course Project

2 Stunden zum Abschließen

Bewertungen

3.8

2 Bewertungen

5 stars
40 %
4 stars
10 %
3 stars
40 %
2 stars
10 %

Top-Bewertungen von MACHINE LEARNING MODELS IN SCIENCE

von RJ7. Juli 2022

I would have had more stars, but a couple of the programming assignments had different values for random used for the answer and not what was listed in the question.

Alle Bewertungen anzeigen

Über den Spezialisierung AI for Scientific Research

In the AI for Scientific Research specialization, we'll learn how to use AI in scientific situations to discover trends and patterns within datasets. Course 1 teaches a little bit about the Python language as it relates to data science. We'll share some existing libraries to help analyze your datasets. By the end of the course, you'll apply a classification model to predict the presence or absence of heart disease from a patient's health data. Course 2 covers the complete machine learning pipeline, from reading in, cleaning, and transforming data to running basic and advanced machine learning algorithms.In the final project, we'll apply our skills to compare different machine learning models in Python. In Course 3, we will build on our knowledge of basic models and explore more advanced AI techniques. We’ll describe the differences between the two techniques and explore how they differ. Then, we’ll complete a project predicting similarity between health patients using random forests. In Course 4, a capstone project course, we'll compare genome sequences of COVID-19 mutations to identify potential areas a drug therapy can look to target. By the end, you'll be well on your way to discovering ways to combat disease with genome sequencing.

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.
Wie erfolgen Rückerstattungen?
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.
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 Models in Science

Über diesen Kurs

Was Sie lernen werden

Kompetenzen, die Sie erwerben

Dozenten

Sabrina Moore

Rajvir Dua

Neelesh Tiruviluamala

von

LearnQuest

Lehrplan - Was Sie in diesem Kurs lernen werden

Before the AI: Preparing and Preprocessing Data

Foundational AI Algorithms: K-Means and SVM

Advanced AI: Neural Networks and Decision Trees

Course Project

Bewertungen

Top-Bewertungen von MACHINE LEARNING MODELS IN SCIENCE

Über den Spezialisierung AI for Scientific Research

Häufig gestellte Fragen

Lernen Sie etwas Neues

Beliebte Datenverarbeitungskurse

Beliebte Informatik- und IT-Kurse

Beliebte Wirtschaftskurse

Coursera

Community

Mehr

Machine Learning Models in Science

Über diesen Kurs

Was Sie lernen werden

Kompetenzen, die Sie erwerben

Dozenten

Sabrina Moore

Rajvir Dua

Neelesh Tiruviluamala

von

LearnQuest

Lehrplan - Was Sie in diesem Kurs lernen werden

Before the AI: Preparing and Preprocessing Data

Foundational AI Algorithms: K-Means and SVM

Advanced AI: Neural Networks and Decision Trees

Course Project

Bewertungen

Top-Bewertungen von MACHINE LEARNING MODELS IN SCIENCE

Über den Spezialisierung AI for Scientific Research

Häufig gestellte Fragen

Coursera Footer

Lernen Sie etwas Neues

Beliebte Datenverarbeitungskurse

Beliebte Informatik- und IT-Kurse

Beliebte Wirtschaftskurse

Coursera

Community

Mehr