Über diesen Kurs
186,375 kürzliche Aufrufe

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Ca. 24 Stunden zum Abschließen

Empfohlen: 6 weeks of study, 5-8 hours/week...

Englisch

Untertitel: Englisch, Koreanisch, Vietnamesisch, Chinesisch (vereinfacht)
User
Kursteilnehmer, die sich für Course entscheiden, sind
  • Machine Learning Engineers
  • Data Scientists
  • Data Analysts
  • Technical Leads
  • Risk Managers

Kompetenzen, die Sie erwerben

Python ProgrammingMachine Learning ConceptsMachine LearningDeep Learning
User
Kursteilnehmer, die sich für Course entscheiden, sind
  • Machine Learning Engineers
  • Data Scientists
  • Data Analysts
  • Technical Leads
  • Risk Managers

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Ca. 24 Stunden zum Abschließen

Empfohlen: 6 weeks of study, 5-8 hours/week...

Englisch

Untertitel: Englisch, Koreanisch, Vietnamesisch, Chinesisch (vereinfacht)

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
2 Stunden zum Abschließen

Welcome

18 Videos (Gesamt 84 min), 6 Lektüren
18 Videos
Who we are5m
Machine learning is changing the world3m
Why a case study approach?7m
Specialization overview6m
How we got into ML3m
Who is this specialization for?4m
What you'll be able to do57
The capstone and an example intelligent application6m
The future of intelligent applications2m
Starting an IPython Notebook5m
Creating variables in Python7m
Conditional statements and loops in Python8m
Creating functions and lambdas in Python3m
Starting GraphLab Create & loading an SFrame4m
Canvas for data visualization4m
Interacting with columns of an SFrame4m
Using .apply() for data transformation5m
6 Lektüren
Important Update regarding the Machine Learning Specialization10m
Slides presented in this module10m
Reading: Getting started with Python, IPython Notebook & GraphLab Create10m
Reading: where should my files go?10m
Download the IPython Notebook used in this lesson to follow along10m
Download the IPython Notebook used in this lesson to follow along10m
Woche
2
2 Stunden zum Abschließen

Regression: Predicting House Prices

19 Videos (Gesamt 82 min), 3 Lektüren, 2 Quiz
19 Videos
What is the goal and how might you naively address it?3m
Linear Regression: A Model-Based Approach5m
Adding higher order effects4m
Evaluating overfitting via training/test split6m
Training/test curves4m
Adding other features2m
Other regression examples3m
Regression ML block diagram5m
Loading & exploring house sale data7m
Splitting the data into training and test sets2m
Learning a simple regression model to predict house prices from house size3m
Evaluating error (RMSE) of the simple model2m
Visualizing predictions of simple model with Matplotlib4m
Inspecting the model coefficients learned1m
Exploring other features of the data6m
Learning a model to predict house prices from more features3m
Applying learned models to predict price of an average house5m
Applying learned models to predict price of two fancy houses7m
3 Lektüren
Slides presented in this module10m
Download the IPython Notebook used in this lesson to follow along10m
Reading: Predicting house prices assignment10m
2 praktische Übungen
Regression18m
Predicting house prices6m
Woche
3
2 Stunden zum Abschließen

Classification: Analyzing Sentiment

19 Videos (Gesamt 75 min), 3 Lektüren, 2 Quiz
19 Videos
What is an intelligent restaurant review system?4m
Examples of classification tasks4m
Linear classifiers5m
Decision boundaries3m
Training and evaluating a classifier4m
What's a good accuracy?3m
False positives, false negatives, and confusion matrices6m
Learning curves5m
Class probabilities1m
Classification ML block diagram3m
Loading & exploring product review data2m
Creating the word count vector2m
Exploring the most popular product4m
Defining which reviews have positive or negative sentiment4m
Training a sentiment classifier3m
Evaluating a classifier & the ROC curve4m
Applying model to find most positive & negative reviews for a product4m
Exploring the most positive & negative aspects of a product4m
3 Lektüren
Slides presented in this module10m
Download the IPython Notebook used in this lesson to follow along10m
Reading: Analyzing product sentiment assignment10m
2 praktische Übungen
Classification14m
Analyzing product sentiment22m
Woche
4
2 Stunden zum Abschließen

Clustering and Similarity: Retrieving Documents

17 Videos (Gesamt 76 min), 3 Lektüren, 2 Quiz
17 Videos
What is the document retrieval task?1m
Word count representation for measuring similarity6m
Prioritizing important words with tf-idf3m
Calculating tf-idf vectors5m
Retrieving similar documents using nearest neighbor search2m
Clustering documents task overview2m
Clustering documents: An unsupervised learning task4m
k-means: A clustering algorithm3m
Other examples of clustering6m
Clustering and similarity ML block diagram7m
Loading & exploring Wikipedia data5m
Exploring word counts5m
Computing & exploring TF-IDFs7m
Computing distances between Wikipedia articles5m
Building & exploring a nearest neighbors model for Wikipedia articles3m
Examples of document retrieval in action4m
3 Lektüren
Slides presented in this module10m
Download the IPython Notebook used in this lesson to follow along10m
Reading: Retrieving Wikipedia articles assignment10m
2 praktische Übungen
Clustering and Similarity12m
Retrieving Wikipedia articles18m
4.6
2112 BewertungenChevron Right

34%

nahm einen neuen Beruf nach Abschluss dieser Kurse auf

32%

ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs

Top-Bewertungen von Machine Learning Foundations: A Case Study Approach

von PMAug 19th 2019

The course was well designed and delivered by all the trainers with the help of case study and great examples.\n\nThe forums and discussions were really useful and helpful while doing the assignments.

von BLOct 17th 2016

Very good overview of ML. The GraphLab api wasn't that bad, and also it was very wise of the instructors to allow the use of other ML packages. Overall i enjoyed it very much and also leaned very much

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..