One of the most common tasks performed by data scientists and data analysts are prediction and machine learning. This course will cover the basic components of building and applying prediction functions with an emphasis on practical applications. The course will provide basic grounding in concepts such as training and tests sets, overfitting, and error rates. The course will also introduce a range of model based and algorithmic machine learning methods including regression, classification trees, Naive Bayes, and random forests. The course will cover the complete process of building prediction functions including data collection, feature creation, algorithms, and evaluation.
Johns Hopkins UniversityÜber diesen Kurs
72,470 kürzliche Aufrufe
Karriereergebnisse der Lernenden
37%
nahm einen neuen Beruf nach Abschluss dieser Kurse auf
37%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
12%
erhalten Sie eine Gehaltserhöhung oder Beförderung
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: Arabischer Raum, Französisch, Portugiesisch (europäisch), Chinesisch (vereinfacht), Italienisch, Vietnamesisch, Koreanisch, Deutsch, Russisch, Türkisch, Englisch, Spanisch
Was Sie lernen werden
Use the basic components of building and applying prediction functions
Understand concepts such as training and tests sets, overfitting, and error rates
Describe machine learning methods such as regression or classification trees
Explain the complete process of building prediction functions
Kompetenzen, die Sie erwerben
Random ForestMachine Learning (ML) AlgorithmsMachine LearningR Programming
Karriereergebnisse der Lernenden
37%
nahm einen neuen Beruf nach Abschluss dieser Kurse auf
37%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
12%
erhalten Sie eine Gehaltserhöhung oder Beförderung
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: Arabischer Raum, Französisch, Portugiesisch (europäisch), Chinesisch (vereinfacht), Italienisch, Vietnamesisch, Koreanisch, Deutsch, Russisch, Türkisch, Englisch, Spanisch
von
Johns Hopkins University
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
Lehrplan - Was Sie in diesem Kurs lernen werden
2 Stunden zum Abschließen
Week 1: Prediction, Errors, and Cross Validation
This week will cover prediction, relative importance of steps, errors, and cross validation.
2 Stunden zum Abschließen
9 Videos (Gesamt 73 min), 4 Lektüren, 1 Quiz
9 Videos
What is prediction?8m
Relative importance of steps9m
In and out of sample errors6m
Prediction study design9m
Types of errors10m
Receiver Operating Characteristic5m
Cross validation8m
What data should you use?6m
4 Lektüren
Welcome to Practical Machine Learning10m
A Note of Explanation2m
Syllabus10m
Pre-Course Survey10m
1 praktische Übung
Quiz 130m
2 Stunden zum Abschließen
Week 2: The Caret Package
This week will introduce the caret package, tools for creating features and preprocessing.
2 Stunden zum Abschließen
9 Videos (Gesamt 96 min)
9 Videos
Data slicing5m
Training options7m
Plotting predictors10m
Basic preprocessing10m
Covariate creation17m
Preprocessing with principal components analysis14m
Predicting with Regression12m
Predicting with Regression Multiple Covariates11m
1 praktische Übung
Quiz 230m
1 Stunde zum Abschließen
Week 3: Predicting with trees, Random Forests, & Model Based Predictions
This week we introduce a number of machine learning algorithms you can use to complete your course project.
1 Stunde zum Abschließen
5 Videos (Gesamt 48 min)
1 praktische Übung
Quiz 330m
3 Stunden zum Abschließen
Week 4: Regularized Regression and Combining Predictors
This week, we will cover regularized regression and combining predictors.
3 Stunden zum Abschließen
4 Videos (Gesamt 33 min), 2 Lektüren, 3 Quiz
2 Lektüren
Course Project Instructions (READ FIRST)10m
Post-Course Survey10m
2 praktische Übungen
Quiz 430m
Course Project Prediction Quiz30m
Bewertungen
Top-Bewertungen von PRACTICAL MACHINE LEARNING
von MR13. Aug. 2020
recommended for all the 21st centuary students who might be intrested to play with data in future or some kind of work related to make predictions systemically must have good knowledge of this course
von AD28. Feb. 2017
Issues of every stage of the construction of learning machine model, as well as issues with several different machine learning methods are well and in fine yet very understandable detail explained.
von DH17. Juni 2018
Excellent introduction to basic ML techniques. A lot of material covered in a short period of time! I will definitely seek more advanced training out of the inspiration provided by this class.
von AS30. Aug. 2017
Highly recommend this course. It makes you read a lot, do lot's of practical exercises. The final project is a must do. After finishing this course you can start playing with kaggle data sets.
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Is financial aid available?
Erhalte ich akademische Leistungspunkte für den Abschluss des Kurses?
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
