- Deep Learning
- Python Programming
- Unsupervised Learning
- Supervised Learning
- hyperparameter tuning
- Hyperparameter
- Decision Tree
- ensembling
- sklearn
- Dimensionality Reduction
- Cluster Analysis
- Recommender Systems
Machine Learning: Theory and Hands-on Practice with Python専門講座
Develop Foundational Machine Learning Skills. Add Supervised, Unsupervised, and Deep Learning techniques to your Data Science toolkit.
Machine Learning: Theory and Hands-on Practice with Python専門講座コロラド大学ボルダー校（University of Colorado Boulder）学習内容
Explore several classic Supervised and Unsupervised Learning algorithms and introductory Deep Learning topics.
Build and evaluate Machine Learning models utilizing popular Python libraries and compare each algorithm’s strengths and weaknesses.
Explain which Machine Learning models would be best to apply to a Machine Learning task based on the data’s properties.
Improve model performance by tuning hyperparameters and applying various techniques such as sampling and regularization.
習得するスキル
この専門講座について
10,608 最近の表示
In the Machine Learning specialization, we will cover Supervised Learning, Unsupervised Learning, and the basics of Deep Learning. You will apply ML algorithms to real-world data, learn when to use which model and why, and improve the performance of your models. Starting with supervised learning, we will cover linear and logistic regression, KNN, Decision trees, ensembling methods such as Random Forest and Boosting, and kernel methods such as SVM. Then we turn our attention to unsupervised methods, including dimensionality reduction techniques (e.g., PCA), clustering, and recommender systems. We finish with an introduction to deep learning basics, including choosing model architectures, building/training neural networks with libraries like Keras, and hands-on examples of CNNs and RNNs.
This specialization can be taken for academic credit as part of CU Boulder’s Master of Science in Data Science (MS-DS) degree offered on the Coursera platform. The MS-DS is an interdisciplinary degree that brings together faculty from CU Boulder’s departments of Applied Mathematics, Computer Science, Information Science, and others. With performance-based admissions and no application process, the MS-DS is ideal for individuals with a broad range of undergraduate education and/or professional experience in computer science, information science, mathematics, and statistics. Learn more about the MS-DS program at https://www.coursera.org/degrees/master-of-science-data-science-boulder.
応用学習プロジェクト
In this specialization, you will build a movie recommendation system, identify cancer types based on RNA sequences, utilize CNNs for digital pathology, practice NLP techniques on disaster tweets, and even generate your images of dogs with GANs. You will complete a final supervised, unsupervised, and deep learning project to demonstrate course mastery.
共有できる証明書
修了時に証明書を取得
100%オンラインコース
自分のスケジュールですぐに学習を始めてください。
フレキシブルなスケジュール
柔軟性のある期限の設定および維持
中級レベル
Calculus, Linear algebra, Python
約4ヶ月で完了
9時間/週の推奨ペース
英語
字幕：英語
共有できる証明書
修了時に証明書を取得
100%オンラインコース
自分のスケジュールですぐに学習を始めてください。
フレキシブルなスケジュール
柔軟性のある期限の設定および維持
中級レベル
Calculus, Linear algebra, Python
約4ヶ月で完了
9時間/週の推奨ペース
英語
字幕：英語
専門講座の仕組み
コースを受講しましょう。
Courseraの専門講座は、一連のコース群であり、技術を身に付ける手助けとなります。開始するには、専門講座に直接登録するか、コースを確認して受講したいコースを選択してください。専門講座の一部であるコースにサブスクライブすると、自動的にすべての専門講座にサブスクライブされます。1つのコースを修了するだけでも結構です。いつでも、学習を一時停止したり、サブスクリプションを終了することができます。コースの登録状況や進捗を追跡するには、受講生のダッシュボードにアクセスしてください。
実践型プロジェクト
すべての専門講座には、実践型プロジェクトが含まれています。専門講座を完了して修了証を獲得するには、成功裏にプロジェクトを終了させる必要があります。専門講座に実践型プロジェクトに関する別のコースが含まれている場合、専門講座を開始するには、それら他のコースをそれぞれ終了させる必要があります。
修了証を取得
すべてのコースを終了し、実践型プロジェクトを完了すると、修了証を獲得します。この修了証は、今後採用企業やあなたの職業ネットワークと共有できます。
この専門講座には3コースあります。
Introduction to Machine Learning: Supervised Learning
In this course, you’ll be learning various supervised ML algorithms and prediction tasks applied to different data. You’ll learn when to use which model and why, and how to improve the model performances. We will cover models such as linear and logistic regression, KNN, Decision trees and ensembling methods such as Random Forest and Boosting, kernel methods such as SVM.
Unsupervised Algorithms in Machine Learning
One of the most useful areas in machine learning is discovering hidden patterns from unlabeled data. Add the fundamentals of this in-demand skill to your Data Science toolkit. In this course, we will learn selected unsupervised learning methods for dimensionality reduction, clustering, and learning latent features. We will also focus on real-world applications such as recommender systems with hands-on examples of product recommendation algorithms.
Introduction to Deep Learning
Deep Learning is the go-to technique for many applications, from natural language processing to biomedical. Deep learning can handle many different types of data such as images, texts, voice/sound, graphs and so on. This course will cover the basics of DL including how to build and train multilayer perceptron, convolutional neural networks (CNNs), recurrent neural networks (RNNs), autoencoders (AE) and generative adversarial networks (GANs). The course includes several hands-on projects, including cancer detection with CNNs, RNNs on disaster tweets, and generating dog images with GANs.
提供：
コロラド大学ボルダー校（University of Colorado Boulder）
CU-Boulder is a dynamic community of scholars and learners on one of the most spectacular college campuses in the country. As one of 34 U.S. public institutions in the prestigious Association of American Universities (AAU), we have a proud tradition of academic excellence, with five Nobel laureates and more than 50 members of prestigious academic academies.
修士号の取得を目指しましょう
この 専門講座 は コロラド大学ボルダー校（University of Colorado Boulder） の100%オンラインの Master of Science in Data Science の一部です。
プログラムのすべてで認定されれば、それらのコースが学位学習に加算されます。
よくある質問
返金ポリシーについて教えてください。
1つのコースだけに登録することは可能ですか？
学資援助はありますか？
無料でコースを受講できますか？
このコースは100%オンラインで提供されますか？実際に出席する必要のあるクラスはありますか？
専門講座を修了するのにどのくらいの期間かかりますか？
What background knowledge is necessary?
Do I need to take the courses in a specific order?
専門講座を修了することで大学の単位は付与されますか？
What will I be able to do upon completing the Specialization?
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。
