University Admission Prediction Using Multiple Linear Regression

4.6
Sterne

177 Bewertungen

von

6.243 bereits angemeldet

In diesem angeleitetes Projekt werden Sie:

Train Artificial Neural Network models to perform regression tasks

Perform exploratory data analysis

Understand the theory and intuition behind regression models and train them in Scikit Learn

Understand the difference between various regression models KPIs such as MSE, RMSE, MAE, R2, adjusted R2

2 hours
Mittel
Kein Download erforderlich
Video auf geteiltem Bildschirm
Englisch
Nur Desktop

In this hands-on guided project, we will train regression models to find the probability of a student getting accepted into a particular university based on their profile. This project could be practically used to get the university acceptance rate for individual students using web application. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Kompetenzen, die Sie erwerben werden

  • regression models

  • Deep Learning

  • Artificial Intelligence (AI)

  • Machine Learning

  • Python Programming

Schritt für Schritt lernen

In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:

  1. Understand the problem statement

  2. Import libraries and datasets

  3. Perform Exploratory Data Analysis

  4. Perform Data Visualization

  5. Create Training and Testing Datasets

  6. Train and evaluate a linear regression model

  7. Train and evaluate an artificial neural networks model

  8. Train and Evaluate a Random Forest Regressor and Decision Tree Model

  9. Understand the various regression KPIs

  10. Calculate and Print Regression model KPIs

Ablauf angeleiteter Projekte

Ihr Arbeitsbereich ist ein Cloud-Desktop direkt in Ihrem Browser, kein Download erforderlich

Ihr Dozent leitet Sie in einem Video mit geteiltem Bildschirm Schritt für Schritt an.

Bewertungen

Top-Bewertungen von UNIVERSITY ADMISSION PREDICTION USING MULTIPLE LINEAR REGRESSION

Alle Bewertungen anzeigen

Häufig gestellte Fragen

Mit dem Kauf eines angeleiteten Projekts erhalten Sie alles, was Sie zum Abschließen des angeleiteten Projekts benötigen, einschließlich des Zugriffs auf einen Cloud-Desktop-Arbeitsbereich über Ihren Webbrowser, der die Dateien und Software enthält, die Sie für den Start benötigen, sowie schrittweise Videoanweisungen von einem Fachexperten.

Da Ihr Arbeitsbereich einen Cloud-Desktop enthält, der für einen Laptop oder Desktop-Computer ausgelegt ist, sind angeleitete Projekte auf Ihrem Mobilgerät nicht verfügbar.

Die Dozenten bei angeleiteten Projekten sind Fachexperten, die Erfahrung in den Fähigkeiten, Werkzeugen oder Bereichen der jeweiligen Projekte haben und leidenschaftlich daran interessiert sind, ihr Wissen weiterzugeben und so Millionen von Lernenden auf der ganzen Welt zu beeinflussen.

Sie können alle von Ihnen erstellten Dateien aus dem angeleiteten Projekt herunterladen und speichern. Zu diesem Zweck können Sie die Funktion „Dateibrowser“ verwenden, wenn Sie auf Ihren Cloud-Desktop zugreifen.

Bei angeleiteten Projekten ist keine Erstattung möglich. Lesen Sie unsere komplette Rückerstattungsrichtlinie.

Für angeleitete Projekte ist keine finanzielle Unterstützung verfügbar.

Für angeleitete Projekte ist kein Auditing verfügbar.

Oben auf der Seite können Sie auf das Erfahrungsniveau für dieses angeleitete Projekt klicken, um das vorausgesetzte Wissen anzuzeigen. Auf jedem Niveau führt der Dozent Schritt für Schritt durch das angeleitete Projekt.

Ja, alles, was Sie zum Abschließen Ihres angeleiteten Projekts benötigen, finden Sie auf einem Cloud-Desktop, der in Ihrem Browser verfügbar ist.

Sie lernen durch Praxis, indem Sie Aufgaben in einer Split-Screen-Umgebung direkt in Ihrem Browser erledigen. Auf der linken Seite des Bildschirms erledigen Sie die Aufgabe in Ihrem Arbeitsbereich. Auf der rechten Seite des Bildschirms sehen Sie einen Dozenten, der Sie schrittweise durch das Projekt führt.