Über diesen Kurs
5,126

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Mittel“

Ca. 17 Stunden zum Abschließen

Empfohlen: 9 hours/week...

Englisch

Untertitel: Englisch

Was Sie lernen werden

  • Check

    Understand the definitions of simple error measures (e.g. MSE, accuracy, precision/recall).

  • Check

    Evaluate the performance of regressors / classifiers using the above measures.

  • Check

    Understand the difference between training/testing performance, and generalizability.

  • Check

    Understand techniques to avoid overfitting and achieve good generalization performance.

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Mittel“

Ca. 17 Stunden zum Abschließen

Empfohlen: 9 hours/week...

Englisch

Untertitel: Englisch

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
2 Stunden zum Abschließen

Week 1: Diagnostics for Data

For this first week, we will go over the syllabus, download all course materials, and get your system up and running for the course. We will also introduce the basics of diagnostics for the results of supervised learning....
6 Videos (Gesamt 49 min), 4 Lektüren, 3 Quiz
6 Videos
Motivation Behind the MSE8m
Regression Diagnostics: MSE and R²6m
Over- and Under-Fitting6m
Classification Diagnostics: Accuracy and Error11m
Classification Diagnostics: Precision and Recall12m
4 Lektüren
Syllabus10m
Setting Up Your System10m
(Optional) Additional Resources and Recommended Readings10m
Course Materials10m
3 praktische Übungen
Review: Regression Diagnostics8m
Review: Classification Diagnostics4m
Diagnostics for Data30m
Woche
2
2 Stunden zum Abschließen

Week 2: Codebases, Regularization, and Evaluating a Model

This week, we will learn how to create a simple bag of words for analysis. We will also cover regularization and why it matters when building a model. Lastly, we will evaluate a model with regularization, focusing on classifiers....
4 Videos (Gesamt 35 min), 4 Quiz
4 Videos
Model Complexity and Regularization10m
Adding a Regularizer to our Model, and Evaluating the Regularized Model8m
Evaluating Classifiers for Ranking4m
4 praktische Übungen
Review: Setting Up a Codebase2m
Review: Regularization5m
Review: Evaluating a Model5m
Codebases, Regularization, and Evaluating a Model45m
Woche
3
1 Stunde zum Abschließen

Week 3: Validation and Pipelines

This week, we will learn about validation and how to implement it in tandem with training and testing. We will also cover how to implement a regularization pipeline in Python and introduce a few guidelines for best practices....
4 Videos (Gesamt 24 min), 3 Quiz
4 Videos
“Theorems” About Training, Testing, and Validation8m
Implementing a Regularization Pipeline in Python5m
Guidelines on the Implementation of Predictive Pipelines5m
3 praktische Übungen
Review: Validation4m
Review: Predictive Pipelines6m
Predictive Pipelines20m
Woche
4
2 Stunden zum Abschließen

Final Project

In the final week of this course, you will continue building on the project from the first and second courses of Python Data Products for Predictive Analytics with simple predictive machine learning algorithms. Find a dataset, clean it, and perform basic analyses on the data. Evaluate your model, validate your analyses, and make sure you aren't overfitting the data....
2 Lektüren, 1 Quiz
2 Lektüren
Project Description10m
Where to Find Datasets10m

Dozenten

Avatar

Julian McAuley

Assistant Professor
Computer Science
Avatar

Ilkay Altintas

Chief Data Science Officer
San Diego Supercomputer Center

Über University of California San Diego

UC San Diego is an academic powerhouse and economic engine, recognized as one of the top 10 public universities by U.S. News and World Report. Innovation is central to who we are and what we do. Here, students learn that knowledge isn't just acquired in the classroom—life is their laboratory....

Über die Spezialisierung Python Data Products for Predictive Analytics

Python data products are powering the AI revolution. Top companies like Google, Facebook, and Netflix use predictive analytics to improve the products and services we use every day. Take your Python skills to the next level and learn to make accurate predictions with data-driven systems and deploy machine learning models with this four-course Specialization from UC San Diego. This Specialization is for learners who are proficient with the basics of Python. You’ll start by creating your first data strategy. You’ll also develop statistical models, devise data-driven workflows, and learn to make meaningful predictions for a wide-range of business and research purposes. Finally, you’ll use design thinking methodology and data science techniques to extract insights from a wide range of data sources. This is your chance to master one of the technology industry’s most in-demand skills. Python Data Products for Predictive Analytics is taught by Professor Ilkay Altintas, Ph.D. and Julian McAuley. Dr. Alintas is a prominent figure in the data science community and the designer of the highly-popular Big Data Specialization on Coursera. She has helped educate hundreds of thousands of learners on how to unlock value from massive datasets....
Python Data Products for Predictive Analytics

Häufig gestellte Fragen

  • Sobald Sie sich für ein Zertifikat angemeldet haben, haben Sie Zugriff auf alle Videos, Quizspiele und Programmieraufgaben (falls zutreffend). Aufgaben, die von anderen Kursteilnehmern bewertet werden, können erst dann eingereicht und überprüft werden, wenn Ihr Unterricht begonnen hat. Wenn Sie sich den Kurs anschauen möchten, ohne ihn zu kaufen, können Sie womöglich auf bestimmte Aufgaben nicht zugreifen.

  • 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.

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