4.7
Sterne
346 Bewertungen

92 %

Mark J Grover +2 weitere Dozenten

17.563 bereits angemeldet

von

IBM Skills Network

Über diesen Kurs

63.137 kürzliche Aufrufe

This course introduces you to one of the main types of modelling families of supervised Machine Learning: Regression. You will learn how to train regression models to predict continuous outcomes and how to use error metrics to compare across different models. This course also walks you through best practices, including train and test splits, and regularization techniques.
By the end of this course you should be able to:
Differentiate uses and applications of classification and regression in the context of supervised machine learning 
Describe and use linear regression models
Use a variety of error metrics to compare and select a linear regression model that best suits your data
Articulate why regularization may help prevent overfitting
Use regularization regressions: Ridge, LASSO, and Elastic net
 
Who should take this course?
This course targets aspiring data scientists interested in acquiring hands-on experience  with Supervised Machine Learning Regression techniques in a business setting.
 
What skills should you have?
To make the most out of this course, you should have familiarity with programming on a Python development environment, as well as fundamental understanding of Data Cleaning, Exploratory Data Analysis, Calculus, Linear Algebra, Probability, and Statistics.

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.

Stufe „Mittel“

Ca. 21 Stunden zum Abschließen

Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Kompetenzen, die Sie erwerben

Regression Analysis
Supervised Learning
Linear Regression
Ridge Regression
Machine Learning (ML) Algorithms

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.

Stufe „Mittel“

Ca. 21 Stunden zum Abschließen

Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Dozenten

Dozentenbewertung

4,7/5 (109 Bewertungen)

von

IBM Skills Network

IBM is the global leader in business transformation through an open hybrid cloud platform and AI, serving clients in more than 170 countries around the world. Today 47 of the Fortune 50 Companies rely on the IBM Cloud to run their business, and IBM Watson enterprise AI is hard at work in more than 30,000 engagements. IBM is also one of the world’s most vital corporate research organizations, with 28 consecutive years of patent leadership. Above all, guided by principles for trust and transparency and support for a more inclusive society, IBM is committed to being a responsible technology innovator and a force for good in the world.

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Lehrplan - Was Sie in diesem Kurs lernen werden

Inhaltsbewertung92%(1,353 Bewertungen)

Woche

Woche 1

4 Stunden zum Abschließen

Introduction to Supervised Machine Learning and Linear Regression

4 Stunden zum Abschließen

11 Videos (Gesamt 72 min), 2 Lektüren, 5 Quiz

11 Videos

Welcome/Introduction Video1m

Introduction to Supervised Machine Learning - Types of Machine Learning (Part 1)4m

Introduction to Supervised Machine Learning - Types of Machine Learning (Part 2)5m

Supervised Machine Learning (Part 1)5m

Supervised Machine Learning (Part 2)7m

Regression and Classification Examples7m

Introduction to Linear Regression (Part 1)7m

Introduction to Linear Regression (Part 2)5m

(Optional) Linear Regression Demo - Part110m

(Optional) Linear Regression Demo - Part211m

(Optional) Linear Regression Demo - Part34m

2 Lektüren

Course Prerequisites5m

Summary/Review4m

3 praktische Übungen

Practice Quiz: Introduction to Supervised Machine Learning10m

Practice Quiz: Linear Regression10m

Module 1 Graded Quiz: Introduction to Supervised Machine Learning and Linear Regression 30m

Woche

Woche 2

4 Stunden zum Abschließen

Data Splits and Polynomial Regression

4 Stunden zum Abschließen

7 Videos (Gesamt 56 min), 1 Lektüre, 5 Quiz

7 Videos

Training and Test Splits (Part 1)4m

Training and Test Splits (Part 2)4m

(Optional) Training and Test Splits Lab - Part 1 7m

(Optional) Training and Test Splits Lab - Part 2 16m

(Optional) Training and Test Splits Lab - Part 310m

(Optional) Training and Test Splits Lab - Part 45m

Polynomial Regression7m

1 Lektüre

Summary/Review4m

3 praktische Übungen

Practice Quiz: Training and Test Splits 10m

Practice Quiz: Polynomial Regression10m

Module 2 Graded Quiz: Data Splits and Polynomial Regression30m

Woche

Woche 3

4 Stunden zum Abschließen

Cross Validation

4 Stunden zum Abschließen

7 Videos (Gesamt 63 min), 1 Lektüre, 4 Quiz

7 Videos

Cross Validation (Part 1)7m

Cross Validation (Part 2)7m

(Optional) Cross Validation Demo - Part 110m

(Optional) Cross Validation Demo - Part 28m

(Optional) Cross Validation Demo - Part 311m

(Optional) Cross Validation Demo - Part 410m

(Optional) Cross Validation Demo - Part 56m

1 Lektüre

Summary/Review10m

2 praktische Übungen

Practice Quiz: Cross Validation10m

Graded: Module 3 Quiz: Cross Validation30m

Woche

Woche 4

3 Stunden zum Abschließen

Bias Variance Trade off and Regularization Techniques: Ridge, LASSO, and Elastic Net

3 Stunden zum Abschließen

11 Videos (Gesamt 87 min), 1 Lektüre, 4 Quiz

11 Videos

Bias Variance Trade off (Part 1)7m

Bias Variance Trade off (Part 2)4m

Regularization and Model Selection7m

Ridge Regression8m

LASSO Regression (Part 1)5m

LASSO Regression (Part 2)3m

Elastic Net3m

Recursive Feature Elimination4m

Polynomial Features and Regularization Demo - Part 120m

Polynomial Features and Regularization Demo - Part 211m

Polynomial Features and Regularization Demo - Part 310m

1 Lektüre

Summary/Review10m

3 praktische Übungen

Practice Quiz: Regularization Techniques10m

Practice Quiz: Polynomial Features and Regularization10m

Module 4 Graded Quiz: Bias Variance Trade off and Regularization Techniques: Ridge, LASSO, and Elastic Net30m

Bewertungen

4.7

77 Bewertungen

5 stars
79,02 %
4 stars
16,09 %
3 stars
3,16 %
2 stars
0,86 %
1 star
0,86 %

Top-Bewertungen von SUPERVISED MACHINE LEARNING: REGRESSION

von MK11. Aug. 2022

It was a great learning experience with in-depth knowledge and practice-based demos helped me to understand the concepts easily.

von JM10. Juni 2021

Very well structured course, the explanations were very clear.

von NV15. Nov. 2020

Very well designed course, great that we could work with our own data and apply the theory. Looking forward to continue the journey.

von GL5. Juni 2021

Please give the lecturer credit and include him as one of the instructors

Alle Bewertungen anzeigen

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich dieses Zertifikat abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse des Zertifikats 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 lediglich den Inhalt des Kurses lesen und anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Fördern Sie Mitarbeiterkompetenzen für bessere Geschäftsergebnisse

Entdecken Sie Coursera für Unternehmen

Supervised Machine Learning: Regression

Über diesen Kurs

Kompetenzen, die Sie erwerben

Dozenten

Mark J Grover

Miguel Maldonado

Svitlana (Lana) Kramar

von

IBM Skills Network

Lehrplan - Was Sie in diesem Kurs lernen werden

Introduction to Supervised Machine Learning and Linear Regression

Data Splits and Polynomial Regression

Cross Validation

Bias Variance Trade off and Regularization Techniques: Ridge, LASSO, and Elastic Net

Regularization Details

Final Project

Bewertungen

Top-Bewertungen von SUPERVISED MACHINE LEARNING: REGRESSION

Häufig gestellte Fragen

Starten oder fördern Sie Ihre Karriere

Beliebte Kurse und Zertifizierungen

Beliebte Sammlungen und Artikel

Abschluss oder Zertifikat online erwerben

Coursera

Community

Mehr

Supervised Machine Learning: Regression

Über diesen Kurs

Kompetenzen, die Sie erwerben

Dozenten

Mark J Grover

Miguel Maldonado

Svitlana (Lana) Kramar

von

IBM Skills Network

Lehrplan - Was Sie in diesem Kurs lernen werden

Introduction to Supervised Machine Learning and Linear Regression

Data Splits and Polynomial Regression

Cross Validation

Bias Variance Trade off and Regularization Techniques: Ridge, LASSO, and Elastic Net

Regularization Details

Final Project

Bewertungen

Top-Bewertungen von SUPERVISED MACHINE LEARNING: REGRESSION

Häufig gestellte Fragen

Coursera Footer

Starten oder fördern Sie Ihre Karriere

Beliebte Kurse und Zertifizierungen

Beliebte Sammlungen und Artikel

Abschluss oder Zertifikat online erwerben

Coursera

Community

Mehr