このコースについて

491,985 最近の表示

受講生の就業成果

34%

コース終了後に新しいキャリアをスタートした

35%

コースが具体的なキャリアアップにつながった

12%

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。
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34時間で修了
英語

学習内容

  • Describe how machine learning is different than descriptive statistics

  • Create and evaluate data clusters

  • Explain different approaches for creating predictive models

  • Build features that meet analysis needs

習得するスキル

Python ProgrammingMachine Learning (ML) AlgorithmsMachine LearningScikit-Learn

受講生の就業成果

34%

コース終了後に新しいキャリアをスタートした

35%

コースが具体的なキャリアアップにつながった

12%

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。
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34時間で修了
英語

提供:

Placeholder

ミシガン大学(University of Michigan)

シラバス - 本コースの学習内容

コンテンツの評価Thumbs Up92%(13,810 件の評価)Info
1

1

8時間で修了

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

8時間で修了
6件のビデオ (合計71分), 4 学習用教材, 2 個のテスト
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 Quiz30 分
2

2

10時間で修了

Module 2: Supervised Machine Learning - Part 1

10時間で修了
12件のビデオ (合計166分), 2 学習用教材, 2 個のテスト
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 Quiz30 分
3

3

7時間で修了

Module 3: Evaluation

7時間で修了
7件のビデオ (合計81分), 1 学習用教材, 2 個のテスト
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 Quiz30 分
4

4

10時間で修了

Module 4: Supervised Machine Learning - Part 2

10時間で修了
10件のビデオ (合計94分), 11 学習用教材, 2 個のテスト
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 Quiz30 分

レビュー

APPLIED MACHINE LEARNING IN PYTHON からの人気レビュー

すべてのレビューを見る

Python 応用データサイエンス専門講座について

Python 応用データサイエンス

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。