このコースについて

13,279 最近の表示
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11時間で修了
英語
字幕:英語

習得するスキル

Decision TreeEnsemble LearningClassification AlgorithmsSupervised LearningMachine Learning (ML) Algorithms
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11時間で修了
英語
字幕:英語

提供:

Placeholder

IBM

シラバス - 本コースの学習内容

1

1

2時間で修了

Logistic Regression

2時間で修了
10件のビデオ (合計91分), 6 readings, 3 quizzes
10件のビデオ
Welcome1 分
Optional: How to create a project in IBM Watson Studio5 分
Introduction: What is Classification?6 分
Introduction to Logistic Regression2 分
Classification with Logistic Regression12 分
Confusion Matrix, Accuracy, Specificity, Precision, and Recall7 分
Classification Error Metrics: ROC and Precision-Recall Curves10 分
Logistic Regression Lab - Part 113 分
Logistic Regression Lab - Part 216 分
Logistic Regression Lab - Part 313 分
6件の学習用教材
About this course3 分
Optional: Introduction to IBM Watson Studio4 分
Optional: Overview of IBM Watson Studio3 分
Optional: Download data assets3 分
Logistic Regression Demo (Activity)10 分
Summary/Review4 分
3の練習問題
Logistic Regression4 分
Logistic Regression Demo2 分
End of Module10 分
2

2

1時間で修了

K Nearest Neighbors

1時間で修了
7件のビデオ (合計50分), 2 readings, 3 quizzes
7件のビデオ
K Nearest Neighbors Decision Boundary3 分
K Nearest Neighbors Distance Measurement8 分
K Nearest Neighbors with Feature Scaling5 分
K Nearest Neighbors Notebook - Part 19 分
K Nearest Neighbors Notebook - Part 26 分
K Nearest Neighbors Notebook - Part 311 分
2件の学習用教材
K Nearest Neighbors Demo (Activity)3 分
Summary/Review1 分
3の練習問題
K Nearest Neighbors3 分
N Nearest Neighbors Demo5 分
End of Module15 分
2時間で修了

Support Vector Machines

2時間で修了
11件のビデオ (合計67分), 2 readings, 4 quizzes
11件のビデオ
Classification with Support Vector Machines2 分
The Support Vector Machines Cost Function5 分
Regularization in Support Vector Machines6 分
Introduction to Support Vector Machines Gaussian Kernels2 分
Support Vector Machines Gaussian Kernels - Part 14 分
Support Vector Machines Gaussian Kernels - Part 24 分
Implementing Support Vector Machines Kernel Models8 分
Support Vector Machines Notebook - Part 18 分
Support Vector Machines Notebook - Part 28 分
Support Vector Machines Notebook - Part 310 分
2件の学習用教材
Support Vector Machines Demo (Activity)3 分
Summary/Review2 分
4の練習問題
Support Vector Machines5 分
Support Vector Machines Kernels3 分
Support Vector Machines Demo3 分
End of Module10 分
3

3

2時間で修了

Decision Trees

2時間で修了
8件のビデオ (合計60分), 2 readings, 3 quizzes
8件のビデオ
Building a Decision Tree6 分
Entropy-based Splitting2 分
Other Decision Tree Splitting Criteria4 分
Pros and Cons of Decision Trees5 分
Decision Trees Notebook - Part 16 分
Decision Trees Notebook - Part 28 分
Decision Trees Notebook - Part 315 分
2件の学習用教材
Decision Trees Demo (Activity)10 分
Summary/Review3 分
3の練習問題
Decision Trees4 分
Decision Trees Demo3 分
End of Module10 分
2時間で修了

Ensemble Models

2時間で修了
15件のビデオ (合計93分), 3 readings, 6 quizzes
15件のビデオ
Ensemble Based Methods and Bagging - Part 21 分
Ensemble Based Methods and Bagging - Part 33 分
Random Forest7 分
Bagging Notebook - Part 16 分
Bagging Notebook - Part 26 分
Bagging Notebook - Part 39 分
Review of Bagging4 分
Overview of Boosting3 分
Adaboost and Gradient Boosting Overview7 分
Adaboost and Gradient Boosting Syntax4 分
Stacking7 分
Boosting Notebook - Part 17 分
Boosting Notebook - Part 215 分
Boosting Notebook - Part 35 分
3件の学習用教材
Bagging Demo (Activity)3 分
Boosting and Stacking Demo (Activity)3 分
Summary/Review10 分
6の練習問題
Bagging5 分
Random Forest3 分
Bagging Demo3 分
Boosting and Stacking5 分
Boosting and Stacking Demo5 分
End of Module10 分
4

4

2時間で修了

Modeling Unbalanced Classes

2時間で修了
6件のビデオ (合計30分), 1 reading, 3 quizzes
6件のビデオ
Upsampling and Downsampling6 分
Modeling Approaches: Weighting and Stratified Sampling3 分
Modeling Approaches: Random and Synthetic Oversampling5 分
Modeling Approaches: Nearing Neighbor Methods4 分
Modeling Approaches: Blagging5 分
1件の学習用教材
Summary/Review10 分
2の練習問題
Modeling Unbalanced Classes4 分
End of Module10 分

IBM Introduction to Machine Learning専門講座について

This specialization will help you realize the potential of machine learning in a business setting. There will be a focus on helping you gain the skills that will help you succeed in a career in machine learning and data science. You will be able to realize the potential of machine learning and artificial intelligence in different business scenarios. You will also be able to identify when to use machine learning to explain certain behaviors and when to use it to predict future outcomes. You will also learn how to evaluate your machine learning models and to incorporate best practices....
IBM Introduction to Machine Learning

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。