このコースについて
264,184 最近の表示

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。

中級レベル

約24時間で修了

推奨:8 hours/week...

英語

字幕:英語, 韓国語

学習内容

  • Check

    Build features that meet analysis needs

  • Check

    Create and evaluate data clusters

  • Check

    Describe how machine learning is different than descriptive statistics

  • Check

    Explain different approaches for creating predictive models

習得するスキル

Python ProgrammingMachine Learning (ML) AlgorithmsMachine LearningScikit-Learn

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。

中級レベル

約24時間で修了

推奨:8 hours/week...

英語

字幕:英語, 韓国語

シラバス - 本コースの学習内容

1
8時間で修了

Module 1: Fundamentals of Machine Learning - Intro to SciKit Learn

This module introduces basic machine learning concepts, tasks, and workflow using an example classification problem based on the K-nearest neighbors method, and implemented using the scikit-learn library.

...
6件のビデオ (合計71分), 4 readings, 2 quizzes
6件のビデオ
Key Concepts in Machine Learning13 分
Python Tools for Machine Learning4 分
An Example Machine Learning Problem12 分
Examining the Data9 分
K-Nearest Neighbors Classification20 分
4件の学習用教材
Course Syllabus10 分
Help us learn more about you!10 分
Notice for Auditing Learners: Assignment Submission10 分
Zachary Lipton: The Foundations of Algorithmic Bias (optional)30 分
1の練習問題
Module 1 Quiz20 分
2
9時間で修了

Module 2: Supervised Machine Learning - Part 1

This module delves into a wider variety of supervised learning methods for both classification and regression, learning about the connection between model complexity and generalization performance, the importance of proper feature scaling, and how to control model complexity by applying techniques like regularization to avoid overfitting. In addition to k-nearest neighbors, this week covers linear regression (least-squares, ridge, lasso, and polynomial regression), logistic regression, support vector machines, the use of cross-validation for model evaluation, and decision trees.

...
12件のビデオ (合計166分), 2 readings, 2 quizzes
12件のビデオ
Overfitting and Underfitting12 分
Supervised Learning: Datasets4 分
K-Nearest Neighbors: Classification and Regression13 分
Linear Regression: Least-Squares17 分
Linear Regression: Ridge, Lasso, and Polynomial Regression19 分
Logistic Regression12 分
Linear Classifiers: Support Vector Machines13 分
Multi-Class Classification6 分
Kernelized Support Vector Machines18 分
Cross-Validation9 分
Decision Trees19 分
2件の学習用教材
A Few Useful Things to Know about Machine Learning10 分
Ed Yong: Genetic Test for Autism Refuted (optional)10 分
1の練習問題
Module 2 Quiz22 分
3
7時間で修了

Module 3: Evaluation

This module covers evaluation and model selection methods that you can use to help understand and optimize the performance of your machine learning models.

...
7件のビデオ (合計81分), 1 reading, 2 quizzes
7件のビデオ
Confusion Matrices & Basic Evaluation Metrics12 分
Classifier Decision Functions7 分
Precision-recall and ROC curves6 分
Multi-Class Evaluation13 分
Regression Evaluation6 分
Model Selection: Optimizing Classifiers for Different Evaluation Metrics13 分
1件の学習用教材
Practical Guide to Controlled Experiments on the Web (optional)10 分
1の練習問題
Module 3 Quiz28 分
4
10時間で修了

Module 4: Supervised Machine Learning - Part 2

This module covers more advanced supervised learning methods that include ensembles of trees (random forests, gradient boosted trees), and neural networks (with an optional summary on deep learning). You will also learn about the critical problem of data leakage in machine learning and how to detect and avoid it.

...
10件のビデオ (合計94分), 11 readings, 2 quizzes
10件のビデオ
Random Forests11 分
Gradient Boosted Decision Trees5 分
Neural Networks19 分
Deep Learning (Optional)7 分
Data Leakage11 分
Introduction4 分
Dimensionality Reduction and Manifold Learning9 分
Clustering14 分
Conclusion2 分
11件の学習用教材
Neural Networks Made Easy (optional)10 分
Play with Neural Networks: TensorFlow Playground (optional)10 分
Deep Learning in a Nutshell: Core Concepts (optional)10 分
Assisting Pathologists in Detecting Cancer with Deep Learning (optional)10 分
The Treachery of Leakage (optional)10 分
Leakage in Data Mining: Formulation, Detection, and Avoidance (optional)10 分
Data Leakage Example: The ICML 2013 Whale Challenge (optional)10 分
Rules of Machine Learning: Best Practices for ML Engineering (optional)10 分
How to Use t-SNE Effectively10 分
How Machines Make Sense of Big Data: an Introduction to Clustering Algorithms10 分
Post-course Survey10 分
1の練習問題
Module 4 Quiz20 分
4.6
648件のレビューChevron Right

35%

コース終了後に新しいキャリアをスタートした

36%

コースが具体的なキャリアアップにつながった

10%

昇給や昇進につながった

Applied Machine Learning in Python からの人気レビュー

by FLOct 14th 2017

Very well structured course, and very interesting too! Has made me want to pursue a career in machine learning. I originally just wanted to learn to program, without true goal, now I have one thanks!!

by PSJun 4th 2019

This is an excellent course. The programming exercises can be solved only when you get the basics right. Else, you will need to revisit the course material. Also, the forums are pretty interactive.

講師

Avatar

Kevyn Collins-Thompson

Associate Professor
School of Information

ミシガン大学(University of Michigan)について

The mission of the University of Michigan is to serve the people of Michigan and the world through preeminence in creating, communicating, preserving and applying knowledge, art, and academic values, and in developing leaders and citizens who will challenge the present and enrich the future....

Python 応用データサイエンスの専門講座について

The 5 courses in this University of Michigan specialization introduce learners to data science through the python programming language. This skills-based specialization is intended for learners who have a basic python or programming background, and want to apply statistical, machine learning, information visualization, text analysis, and social network analysis techniques through popular python toolkits such as pandas, matplotlib, scikit-learn, nltk, and networkx to gain insight into their data. Introduction to Data Science in Python (course 1), Applied Plotting, Charting & Data Representation in Python (course 2), and Applied Machine Learning in Python (course 3) should be taken in order and prior to any other course in the specialization. After completing those, courses 4 and 5 can be taken in any order. All 5 are required to earn a certificate....
Python 応用データサイエンス

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。