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
118,394 kürzliche Aufrufe
Karriereergebnisse der Lernenden
38%
nahm einen neuen Beruf nach Abschluss dieser Kurse auf
38%
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. 8 Stunden zum Abschließen
Englisch
Untertitel: Englisch, Koreanisch
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
38%
nahm einen neuen Beruf nach Abschluss dieser Kurse auf
38%
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. 8 Stunden zum Abschließen
Englisch
Untertitel: Englisch, Koreanisch
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 110m
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 210m
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 310m
4 Stunden zum Abschließen
Week 4: Regularized Regression and Combining Predictors
This week, we will cover regularized regression and combining predictors.
4 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 410m
Course Project Prediction Quiz40m
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
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.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
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.
Wie erfolgen Rückerstattungen?
Wenn Sie ein Abonnement abgeschlossen haben, erhalten Sie eine 7-tägige, kostenlose Testversion, die Sie gebührenfrei wieder kündigen können. Danach gewähren wir keine Rückerstattungen mehr, aber Sie können Ihr Abonnement jederzeit kündigen. Lesen Sie unsere vollständige Rückerstattungsrichtlinie.
Ist finanzielle Unterstützung möglich?
Ja, Coursera bietet für Kursteilnehmer, die sich die Kursgebühr nicht leisten können, finanzielle Unterstützung an. Bewerben Sie sich dafür, indem Sie auf den Link für finanzielle Unterstützung links unter der Schaltfläche „Anmelden“ klicken. Sie werden zum Ausfüllen eines Antrags aufgefordert und werden bei Genehmigung benachrichtigt. Diesen Schritt müssen Sie für jeden Kurs der Spezialisierung ausführen, auch für das Abschlussprojekt. Mehr erfahren
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
