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.
von
Johns Hopkins UniversityÜber diesen Kurs
29.663 kürzliche Aufrufe
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.
Ca. 9 Stunden zum Abschließen
Englisch
Untertitel: Arabischer Raum, Französisch, Portugiesisch (europäisch), Italienisch, Vietnamesisch, Koreanisch, Deutsch, Russisch, 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 Forest
- Machine Learning (ML) Algorithms
- Machine Learning
- R Programming
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.
Ca. 9 Stunden zum Abschließen
Englisch
Untertitel: Arabischer Raum, Französisch, Portugiesisch (europäisch), Italienisch, Vietnamesisch, Koreanisch, Deutsch, Russisch, 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
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)
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)
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
Bewertungen
- 5 stars66,40 %
- 4 stars22,38 %
- 3 stars6,93 %
- 2 stars2,49 %
- 1 star1,77 %
Top-Bewertungen von PRAKTISCHES MASCHINELLES LERNEN
von HP12. März 2021
This is a well thought about course which focuses on familiarizing the learner on the concepts of Machine Learning and develops a love in the learner towards predictive modeling. Thank you
von EG27. Juli 2016
I learned a lot in this class. There are slight gaps from the depth of material covered in the lectures to the quizzes and assignment. If you're good at researching online, you'll be fine.
von NK18. Feb. 2016
Some of the terms used here vary from the terms used in the industry. For example recall, precision etc. Overall this is a very good course with provides basics of machine learning.
von JP24. Juni 2017
Awesome course. Would recommend it, but only to those who have a bit of stats and R background. This definitely helped me get a solid enough understanding of using R for machine learning.
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Ist finanzielle Unterstützung möglich?
Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.
