Über diesen Kurs
69,027 kürzliche Aufrufe

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Ca. 42 Stunden zum Abschließen

Empfohlen: 7 weeks of study, 5-8 hours/week...

Englisch

Untertitel: Englisch, Koreanisch, Arabischer Raum
User
Kursteilnehmer, die sich für Course entscheiden, sind
  • Data Scientists
  • Machine Learning Engineers
  • Data Analysts
  • Risk Managers
  • Research Assistants

Kompetenzen, die Sie erwerben

Logistic RegressionStatistical ClassificationClassification AlgorithmsDecision Tree
User
Kursteilnehmer, die sich für Course entscheiden, sind
  • Data Scientists
  • Machine Learning Engineers
  • Data Analysts
  • Risk Managers
  • Research Assistants

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Ca. 42 Stunden zum Abschließen

Empfohlen: 7 weeks of study, 5-8 hours/week...

Englisch

Untertitel: Englisch, Koreanisch, Arabischer Raum

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
1 Stunden zum Abschließen

Welcome!

8 Videos (Gesamt 27 min), 3 Lektüren
8 Videos
What is this course about?6m
Impact of classification1m
Course overview3m
Outline of first half of course5m
Outline of second half of course5m
Assumed background3m
Let's get started!45
3 Lektüren
Important Update regarding the Machine Learning Specialization10m
Slides presented in this module10m
Reading: Software tools you'll need10m
2 Stunden zum Abschließen

Linear Classifiers & Logistic Regression

18 Videos (Gesamt 78 min), 2 Lektüren, 2 Quiz
18 Videos
Intuition behind linear classifiers3m
Decision boundaries3m
Linear classifier model5m
Effect of coefficient values on decision boundary2m
Using features of the inputs2m
Predicting class probabilities1m
Review of basics of probabilities6m
Review of basics of conditional probabilities8m
Using probabilities in classification2m
Predicting class probabilities with (generalized) linear models5m
The sigmoid (or logistic) link function4m
Logistic regression model5m
Effect of coefficient values on predicted probabilities7m
Overview of learning logistic regression models2m
Encoding categorical inputs4m
Multiclass classification with 1 versus all7m
Recap of logistic regression classifier1m
2 Lektüren
Slides presented in this module10m
Predicting sentiment from product reviews10m
2 praktische Übungen
Linear Classifiers & Logistic Regression10m
Predicting sentiment from product reviews24m
Woche
2
2 Stunden zum Abschließen

Learning Linear Classifiers

18 Videos (Gesamt 83 min), 2 Lektüren, 2 Quiz
18 Videos
Intuition behind maximum likelihood estimation4m
Data likelihood8m
Finding best linear classifier with gradient ascent3m
Review of gradient ascent6m
Learning algorithm for logistic regression3m
Example of computing derivative for logistic regression5m
Interpreting derivative for logistic regression5m
Summary of gradient ascent for logistic regression2m
Choosing step size5m
Careful with step sizes that are too large4m
Rule of thumb for choosing step size3m
(VERY OPTIONAL) Deriving gradient of logistic regression: Log trick4m
(VERY OPTIONAL) Expressing the log-likelihood3m
(VERY OPTIONAL) Deriving probability y=-1 given x2m
(VERY OPTIONAL) Rewriting the log likelihood into a simpler form8m
(VERY OPTIONAL) Deriving gradient of log likelihood8m
Recap of learning logistic regression classifiers1m
2 Lektüren
Slides presented in this module10m
Implementing logistic regression from scratch10m
2 praktische Übungen
Learning Linear Classifiers12m
Implementing logistic regression from scratch16m
2 Stunden zum Abschließen

Overfitting & Regularization in Logistic Regression

13 Videos (Gesamt 66 min), 2 Lektüren, 2 Quiz
13 Videos
Review of overfitting in regression3m
Overfitting in classification5m
Visualizing overfitting with high-degree polynomial features3m
Overfitting in classifiers leads to overconfident predictions5m
Visualizing overconfident predictions4m
(OPTIONAL) Another perspecting on overfitting in logistic regression8m
Penalizing large coefficients to mitigate overfitting5m
L2 regularized logistic regression4m
Visualizing effect of L2 regularization in logistic regression5m
Learning L2 regularized logistic regression with gradient ascent7m
Sparse logistic regression with L1 regularization7m
Recap of overfitting & regularization in logistic regression58
2 Lektüren
Slides presented in this module10m
Logistic Regression with L2 regularization10m
2 praktische Übungen
Overfitting & Regularization in Logistic Regression16m
Logistic Regression with L2 regularization16m
Woche
3
2 Stunden zum Abschließen

Decision Trees

13 Videos (Gesamt 47 min), 3 Lektüren, 3 Quiz
13 Videos
Intuition behind decision trees1m
Task of learning decision trees from data3m
Recursive greedy algorithm4m
Learning a decision stump3m
Selecting best feature to split on6m
When to stop recursing4m
Making predictions with decision trees1m
Multiclass classification with decision trees2m
Threshold splits for continuous inputs6m
(OPTIONAL) Picking the best threshold to split on3m
Visualizing decision boundaries5m
Recap of decision trees56
3 Lektüren
Slides presented in this module10m
Identifying safe loans with decision trees10m
Implementing binary decision trees10m
3 praktische Übungen
Decision Trees22m
Identifying safe loans with decision trees14m
Implementing binary decision trees14m
Woche
4
2 Stunden zum Abschließen

Preventing Overfitting in Decision Trees

8 Videos (Gesamt 40 min), 2 Lektüren, 2 Quiz
8 Videos
Overfitting in decision trees5m
Principle of Occam's razor: Learning simpler decision trees5m
Early stopping in learning decision trees6m
(OPTIONAL) Motivating pruning8m
(OPTIONAL) Pruning decision trees to avoid overfitting6m
(OPTIONAL) Tree pruning algorithm3m
Recap of overfitting and regularization in decision trees1m
2 Lektüren
Slides presented in this module10m
Decision Trees in Practice10m
2 praktische Übungen
Preventing Overfitting in Decision Trees22m
Decision Trees in Practice28m
1 Stunden zum Abschließen

Handling Missing Data

6 Videos (Gesamt 25 min), 1 Lektüre, 1 Quiz
6 Videos
Strategy 1: Purification by skipping missing data4m
Strategy 2: Purification by imputing missing data4m
Modifying decision trees to handle missing data4m
Feature split selection with missing data5m
Recap of handling missing data1m
1 Lektüren
Slides presented in this module10m
1 praktische Übungen
Handling Missing Data14m
4.7
475 BewertungenChevron Right

46%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

45%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

16%

erhalten Sie eine Gehaltserhöhung oder Beförderung

Top-Bewertungen von Machine Learning: Classification

von SSOct 16th 2016

Hats off to the team who put the course together! Prof Guestrin is a great teacher. The course gave me in-depth knowledge regarding classification and the math and intuition behind it. It was fun!

von CJJan 25th 2017

Very impressive course, I would recommend taking course 1 and 2 in this specialization first since they skip over some things in this course that they have explained thoroughly in those courses

Dozenten

Avatar

Carlos Guestrin

Amazon Professor of Machine Learning
Computer Science and Engineering
Avatar

Emily Fox

Amazon Professor of Machine Learning
Statistics

Über University of Washington

Founded in 1861, the University of Washington is one of the oldest state-supported institutions of higher education on the West Coast and is one of the preeminent research universities in the world....

Über den Spezialisierung Maschinelles Lernen

This Specialization from leading researchers at the University of Washington introduces you to the exciting, high-demand field of Machine Learning. Through a series of practical case studies, you will gain applied experience in major areas of Machine Learning including Prediction, Classification, Clustering, and Information Retrieval. You will learn to analyze large and complex datasets, create systems that adapt and improve over time, and build intelligent applications that can make predictions from data....
Maschinelles Lernen

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..