338件の評価
7,629人がすでに登録済みです
Build univariate and multivariate linear regression models in Python using scikit-learn
Perform Exploratory Data Analysis (EDA) and data visualization with seaborn
Evaluate model fit and accuracy using numerical measures such as R² and RMSE
Model interaction effects in regression using basic feature engineering techniques
In this 2-hour long project-based course, you will build and evaluate multiple linear regression models using Python. You will use scikit-learn to calculate the regression, while using pandas for data management and seaborn for data visualization. The data for this project consists of the very popular Advertising dataset to predict sales revenue based on advertising spending through media such as TV, radio, and newspaper. By the end of this project, you will be able to: - Build univariate and multivariate linear regression models using scikit-learn - Perform Exploratory Data Analysis (EDA) and data visualization with seaborn - Evaluate model fit and accuracy using numerical measures such as R² and RMSE - Model interaction effects in regression using basic feature engineering techniques This course runs on Coursera's hands-on project platform called Rhyme. On Rhyme, you do projects in a hands-on manner in your browser. You will get instant access to pre-configured cloud desktops containing all of the software and data you need for the project. Everything is already set up directly in your internet browser so you can just focus on learning. For this project, this means instant access to a cloud desktop with Jupyter Notebooks and Python 3.7 with all the necessary libraries pre-installed. Notes: - You will be able to access the cloud desktop 5 times. However, you will be able to access instructions videos as many times as you want. - This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.
Machine Learning
Python Programming
Data Visualization (DataViz)
Linear Regression
Scikit-Learn
ワークエリアを使用した分割画面で再生するビデオでは、講師がこれらの手順を説明します。
Introduction and Overview
Load the Data
Relationships between Features and Target
Multiple Linear Regression Model
Feature Selection
Model Evaluation Using Train/Test Split and Model Metrics
Interaction Effect (Synergy) in Regression Analysis
ワークスペースは、ブラウザに完全にロードされたクラウドデスクトップですので、ダウンロードは不要です
分割画面のビデオで、講師が手順ごとにガイドします
Mにより
2020年5月28日Very good learning guide, thanks for the real project.
ZYにより
2020年5月22日Best Course to linear regression basic to get advanced knowledge in neural network
SPにより
2020年5月5日Good. But cloud deskstop is unique idea.But it was slow in my laptop.
PRにより
2020年5月15日Whatever explained is satisfactory ,but it is short.We looking for more big projects.
ガイド付きプロジェクトを購入することによって、ガイド付きプロジェクトを完了するために必要なものすべてが得られます。これには、開始する必要のあるファイルとソフトウェアを含むWebブラウザを介したクラウドデスクトップワークスペースへのアクセスの他、専門家によるステップバイステップのビデオ講座が含まれます。
ワークスペースにはラップトップまたはデスクトップコンピューターに適したサイズのクラウドデスクトップが含まれているため、モバイル機器ではガイド付きプロジェクトを使用できません。
ガイド付きプロジェクトの講師は、プロジェクトのスキル、ツール、またはその分野での経験があり、知識を共有して世界中の何百万人もの受講生に影響を与えるたことに情熱を持つ専門家です。
ガイド付きプロジェクトから作成したファイルをダウンロードして保持できます。そのためには、クラウドデスクトップにアクセスしているときに「ファイルブラウザ」機能を使用できます。
ガイド付きプロジェクトは払い戻しの対象外です。すべての返金ポリシーを表示する。
ガイド付きプロジェクトには学費援助が利用できません。
ガイド付きプロジェクトでは監査を使用できません。
ページの上部で、このガイド付きプロジェクトの経験レベルを押して、知識の前提条件を表示できます。ガイド付きプロジェクトのすべてのレベルで、インストラクターがステップバイステップでご案内します。
はい。ガイド付きプロジェクトを完了するために必要なものはすべて、ブラウザで利用可能なクラウドデスクトップで利用できます。
分割画面環境でタスクをブラウザで直接完了することで学習できます。画面の左側で、ワークスペースでタスクを完了します。画面の右側で、講師がプロジェクトをステップごとにガイドします。
さらに質問がある場合は、受講者ヘルプセンターにアクセスしてください。
