This course takes you from understanding the fundamentals of a machine learning project. Learners will understand and implement supervised learning techniques on real case studies to analyze business case scenarios where decision trees, k-nearest neighbours and support vector machines are optimally used. Learners will also gain skills to contrast the practical consequences of different data preparation steps and describe common production issues in applied ML.
Machine Learning: Algorithms in the Real World の専門講座Alberta Machine Intelligence Instituteこのコースについて
29,318 最近の表示
共有できる証明書
修了時に証明書を取得
100%オンライン
自分のスケジュールですぐに学習を始めてください。
柔軟性のある期限
スケジュールに従って期限をリセットします。
約9時間で修了
英語
字幕：英語
共有できる証明書
修了時に証明書を取得
100%オンライン
自分のスケジュールですぐに学習を始めてください。
柔軟性のある期限
スケジュールに従って期限をリセットします。
約9時間で修了
英語
字幕：英語
提供：
Alberta Machine Intelligence Institute
The Alberta Machine Intelligence Institute (Amii) is home to some of the world’s top talent in machine intelligence. We’re an Alberta-based
シラバス - 本コースの学習内容
4時間で修了
Classification using Decision Trees and k-NN
Welcome to Supervised Learning, Tip to Tail! This week we'll go over the basics of supervised learning, particularly classification, as well as teach you about two classification algorithms: decision trees and k-NN. You'll get started programming on the platform through Jupyter notebooks and start to familiarize yourself with all the issues that arise when using machine learning for classification.
4時間で修了
8件のビデオ （合計46分）, 4 readings, 2 quizzes
8件のビデオ
What does a classifier actually do?5 分
Classification in scikit-learn3 分
What are decision trees?6 分
Generalization and overfitting8 分
Classification using k-nearest neighbours8 分
Distance measures8 分
Weekly summary2 分
4件の学習用教材
Math Review10 分
Scikitlearn documentation for decision trees (Optional)10 分
Scikitlearn documentation for random forests (Optional)10 分
Scikitlearn documentation for k-nearest neighbours (Optional)10 分
2の練習問題
Supervised Learning Basics
Understanding Classification with Decision Trees and k-NN20 分
2時間で修了
Functions for Fun and Profit
Welcome to the second week of the course! In this week you'll learn all about regression algorithms, the other side of supervised learning. We'll introduce you to the idea of finding lines, optimization criteria, and all the associated issues. Through regression we'll see the interactions between model complexity and accuracy, and you'll get a first taste of how regression and classification might relate.
2時間で修了
9件のビデオ （合計62分）, 1 reading, 4 quizzes
9件のビデオ
Line-fitting6 分
Optimal line-fitting8 分
Loss and Convexity7 分
Gradient Descent9 分
Nonlinear features and model complexity6 分
Bias and variance tradeoff6 分
Regularizers5 分
Loss for Classification7 分
Weekly summary4 分
1件の学習用教材
Scikitlearn documentation for linear regression (Optional)10 分
4の練習問題
Regression Basics
Understanding Model Complexity
From Regression to Classification2 分
The Regression side of Supervised Learning20 分
3時間で修了
Regression for Classification: Support Vector Machines
This week we'll be diving straight in to using regression for classification. We'll describe all the fundamental pieces that make up the support vector machine algorithms, so that you can understand how many seemingly unrelated machine learning algorithms tie together. We'll introduce you to logistic regression, neural networks, and support vector machines, and show you how to implement two of those.
3時間で修了
6件のビデオ （合計34分）, 1 reading, 2 quizzes
6件のビデオ
Neural Networks9 分
Hinge Loss6 分
Basics of Support Vector Machines6 分
Kernels6 分
Weekly Summary1 分
1件の学習用教材
Scikitlearn documentation for SVMs (Optional)10 分
2の練習問題
Understanding Support Vector Machines
Regression-based Classification10 分
1時間で修了
Contrasting Models
Now at the tail end of the course, we're going to go over how to know how well your model is actually performing and what you can do to get even better performance from it. We'll review assessment questions particular to regression and classification, and introduce some other tools that really help you analyze your model performance. The topics covered this week aim to give you confidence in your models, so you're ready to unlock the power of machine learning for your business goals.
1時間で修了
8件のビデオ （合計46分）, 1 reading, 1 quiz
8件のビデオ
Classification assessment6 分
Learning Curves6 分
Testing your models7 分
Cross validation5 分
Parameter tuning and grid search5 分
Model Parameters6 分
Weekly Summary1 分
1件の学習用教材
Some resources on model assessment (Optional)10 分
1の練習問題
Contrasting Models
Machine Learning: Algorithms in the Real World専門講座について
This specialization is for professionals who have heard the buzz around machine learning and want to apply machine learning to data analysis and automation. Whether finance, medicine, engineering, business or other domains, this specialization will set you up to define, train, and maintain a successful machine learning application.
After completing all four courses, you will have gone through the entire process of building a machine learning project. You will be able to clearly define a machine learning problem, identify appropriate data, train a classification algorithm, improve your results, and deploy it in the real world. You will also be able to anticipate and mitigate common pitfalls in applied machine learning.
よくある質問
いつ講座や課題にアクセスできるようになりますか？
修了証に登録すると、すべてのビデオ、テスト、およびプログラミング課題（該当する場合）にアクセスできます。ピアレビュー課題は、セッションが開始してからのみ、提出およびレビューできます。購入せずにコースを検討することを選択する場合、特定の課題にアクセスすることはできません。
この専門講座をサブスクライブすると何を行うことができるようになりますか？
コースに登録する際、専門講座のすべてのコースにアクセスできます。コースの完了時には修了証を取得できます。電子修了証が成果のページに追加され、そこから修了証を印刷したり、LinkedInのプロフィールに追加したりできます。コースの内容の閲覧のみを希望する場合は、無料でコースを聴講できます。
返金ポリシーについて教えてください。
サブスクライブすると、7日間の無料トライアルを体験できます。この期間中は解約金なしでキャンセルできます。それ以降、払い戻しはありませんが、サブスクリプションをいつでもキャンセルできます。返金ポリシーをすべて表示します。
学資援助はありますか？
はい。受講料の支払いが難しい受講生に、Coursera（コーセラ）は学資援助を提供しています。左側の［登録］ボタンの下にある［学資援助］のリンクをクリックして申請してください。申請書の入力を促すメッセージが表示され、承認されると通知が届きます。キャップストーンプロジェクトを含む専門講座の各コースでこのステップを完了する必要があります。詳細。
さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。
