このコースについて

778,355 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
字幕:英語, 韓国語

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
字幕:英語, 韓国語

提供:

ミシガン大学(University of Michigan) ロゴ

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 Up91%(12,149 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 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

2

9時間で修了

Module 2: Supervised Machine Learning - Part 1

9時間で修了
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

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 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

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 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

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

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

  • 講義と課題へのアクセスは、登録のタイプによって異なります。聴講モードでコースを受講すると、ほとんどのコース教材を無料で見ることができます。採点された課題にアクセスして修了証を取得するには、聴講中または聴講後に、修了証エクスペリエンスを購入する必要があります。聴講オプションが表示されない場合:

    • コースは聴講オプションを提供していない可能性があります。代わりに無料トライアルをお試しいただくか、学資援助を申請することができます。
    • コースは、聴講オプションを提供せずに「修了証なしフルコース」オプションを提供する場合があります。このオプションでは、すべてのコース教材が表示され、必須の評価を提出して、最終成績を取得することができます。この場合、修了証エクスペリエンスは購入できません。
  • 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。

  • 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

  • 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。