このコースについて

228,581 最近の表示

受講生の就業成果

44%

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
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。
次における4の2コース
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22時間で修了
英語
字幕:アラビア語, フランス語, ポルトガル語(ブラジル), 韓国語, ロシア語, 英語, スペイン語...

習得するスキル

Linear RegressionRidge RegressionLasso (Statistics)Regression Analysis

受講生の就業成果

44%

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
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。
次における4の2コース
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22時間で修了
英語
字幕:アラビア語, フランス語, ポルトガル語(ブラジル), 韓国語, ロシア語, 英語, スペイン語...

提供:

Placeholder

ワシントン大学(University of Washington)

シラバス - 本コースの学習内容

コンテンツの評価Thumbs Up94%(18,867 件の評価)Info
1

1

1時間で修了

Welcome

1時間で修了
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
4時間で修了

Simple Linear Regression

4時間で修了
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 Regression30 分
Fitting a simple linear regression model on housing data30 分
2

2

4時間で修了

Multiple Regression

4時間で修了
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 Regression30 分
Exploring different multiple regression models for house price prediction30 分
Implementing gradient descent for multiple regression30 分
3

3

3時間で修了

Assessing Performance

3時間で修了
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 Performance30 分
Exploring the bias-variance tradeoff30 分
4

4

4時間で修了

Ridge Regression

4時間で修了
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 Regression30 分
Observing effects of L2 penalty in polynomial regression30 分
Implementing ridge regression via gradient descent30 分

レビュー

MACHINE LEARNING: REGRESSION からの人気レビュー

すべてのレビューを見る

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

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。