このコースについて
153,573 最近の表示

次における4の2コース

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35時間で修了

推奨:6 weeks of study, 5-8 hours/week...

英語

字幕:英語, 韓国語, アラビア語

習得するスキル

Linear RegressionRidge RegressionLasso (Statistics)Regression Analysis

次における4の2コース

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35時間で修了

推奨:6 weeks of study, 5-8 hours/week...

英語

字幕:英語, 韓国語, アラビア語

シラバス - 本コースの学習内容

1
1時間で修了

Welcome

5件のビデオ (合計20分), 3 readings
5件のビデオ
What is the course about?3 分
Outlining the first half of the course5 分
Outlining the second half of the course5 分
Assumed background4 分
3件の学習用教材
Important Update regarding the Machine Learning Specialization10 分
Slides presented in this module10 分
Reading: Software tools you'll need10 分
3時間で修了

Simple Linear Regression

25件のビデオ (合計122分), 5 readings, 2 quizzes
25件のビデオ
Regression fundamentals: data & model8 分
Regression fundamentals: the task2 分
Regression ML block diagram4 分
The simple linear regression model2 分
The cost of using a given line6 分
Using the fitted line6 分
Interpreting the fitted line6 分
Defining our least squares optimization objective3 分
Finding maxima or minima analytically7 分
Maximizing a 1d function: a worked example2 分
Finding the max via hill climbing6 分
Finding the min via hill descent3 分
Choosing stepsize and convergence criteria6 分
Gradients: derivatives in multiple dimensions5 分
Gradient descent: multidimensional hill descent6 分
Computing the gradient of RSS7 分
Approach 1: closed-form solution5 分
Approach 2: gradient descent7 分
Comparing the approaches1 分
Influence of high leverage points: exploring the data4 分
Influence of high leverage points: removing Center City7 分
Influence of high leverage points: removing high-end towns3 分
Asymmetric cost functions3 分
A brief recap1 分
5件の学習用教材
Slides presented in this module10 分
Optional reading: worked-out example for closed-form solution10 分
Optional reading: worked-out example for gradient descent10 分
Download notebooks to follow along10 分
Fitting a simple linear regression model on housing data10 分
2の練習問題
Simple Linear Regression14 分
Fitting a simple linear regression model on housing data8 分
2
3時間で修了

Multiple Regression

19件のビデオ (合計87分), 5 readings, 3 quizzes
19件のビデオ
Polynomial regression3 分
Modeling seasonality8 分
Where we see seasonality3 分
Regression with general features of 1 input2 分
Motivating the use of multiple inputs4 分
Defining notation3 分
Regression with features of multiple inputs3 分
Interpreting the multiple regression fit7 分
Rewriting the single observation model in vector notation6 分
Rewriting the model for all observations in matrix notation4 分
Computing the cost of a D-dimensional curve9 分
Computing the gradient of RSS3 分
Approach 1: closed-form solution3 分
Discussing the closed-form solution4 分
Approach 2: gradient descent2 分
Feature-by-feature update9 分
Algorithmic summary of gradient descent approach4 分
A brief recap1 分
5件の学習用教材
Slides presented in this module10 分
Optional reading: review of matrix algebra10 分
Exploring different multiple regression models for house price prediction10 分
Numpy tutorial10 分
Implementing gradient descent for multiple regression10 分
3の練習問題
Multiple Regression18 分
Exploring different multiple regression models for house price prediction16 分
Implementing gradient descent for multiple regression10 分
3
2時間で修了

Assessing Performance

14件のビデオ (合計93分), 2 readings, 2 quizzes
14件のビデオ
What do we mean by "loss"?4 分
Training error: assessing loss on the training set7 分
Generalization error: what we really want8 分
Test error: what we can actually compute4 分
Defining overfitting2 分
Training/test split1 分
Irreducible error and bias6 分
Variance and the bias-variance tradeoff6 分
Error vs. amount of data6 分
Formally defining the 3 sources of error14 分
Formally deriving why 3 sources of error20 分
Training/validation/test split for model selection, fitting, and assessment7 分
A brief recap1 分
2件の学習用教材
Slides presented in this module10 分
Polynomial Regression10 分
2の練習問題
Assessing Performance26 分
Exploring the bias-variance tradeoff8 分
4
3時間で修了

Ridge Regression

16件のビデオ (合計85分), 5 readings, 3 quizzes
16件のビデオ
Overfitting demo7 分
Overfitting for more general multiple regression models3 分
Balancing fit and magnitude of coefficients7 分
The resulting ridge objective and its extreme solutions5 分
How ridge regression balances bias and variance1 分
Ridge regression demo9 分
The ridge coefficient path4 分
Computing the gradient of the ridge objective5 分
Approach 1: closed-form solution6 分
Discussing the closed-form solution5 分
Approach 2: gradient descent9 分
Selecting tuning parameters via cross validation3 分
K-fold cross validation5 分
How to handle the intercept6 分
A brief recap1 分
5件の学習用教材
Slides presented in this module10 分
Download the notebook and follow along10 分
Download the notebook and follow along10 分
Observing effects of L2 penalty in polynomial regression10 分
Implementing ridge regression via gradient descent10 分
3の練習問題
Ridge Regression18 分
Observing effects of L2 penalty in polynomial regression14 分
Implementing ridge regression via gradient descent16 分
4.8
836件のレビューChevron Right

45%

コース終了後に新しいキャリアをスタートした

43%

コースが具体的なキャリアアップにつながった

18%

昇給や昇進につながった

Machine Learning: Regression からの人気レビュー

by PDMar 17th 2016

I really enjoyed all the concepts and implementations I did along this course....except during the Lasso module. I found this module harder than the others but very interesting as well. Great course!

by CMJan 27th 2016

I really like the top-down approach of this specialization. The iPython code assignments are very well structured. They are presented in a step-by-step manner while still being challenging and fun!

講師

Avatar

Emily Fox

Amazon Professor of Machine Learning
Statistics
Avatar

Carlos Guestrin

Amazon Professor of Machine Learning
Computer Science and Engineering

ワシントン大学(University of Washington)について

Founded in 1861, the University of Washington is one of the oldest state-supported institutions of higher education on the West Coast and is one of the preeminent research universities in the world....

機械学習専門講座について

This Specialization from leading researchers at the University of Washington introduces you to the exciting, high-demand field of Machine Learning. Through a series of practical case studies, you will gain applied experience in major areas of Machine Learning including Prediction, Classification, Clustering, and Information Retrieval. You will learn to analyze large and complex datasets, create systems that adapt and improve over time, and build intelligent applications that can make predictions from data....
機械学習

よくある質問

  • 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。

  • 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。

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。