Informações sobre o curso

205,184 visualizações recentes

Resultados de carreira do aprendiz

56%

comecei uma nova carreira após concluir estes cursos

60%

consegui um benefício significativo de carreira com este curso

17%

recebi um aumento ou promoção
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível avançado
Aprox. 21 horas para completar
Inglês
Legendas: Inglês

Resultados de carreira do aprendiz

56%

comecei uma nova carreira após concluir estes cursos

60%

consegui um benefício significativo de carreira com este curso

17%

recebi um aumento ou promoção
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível avançado
Aprox. 21 horas para completar
Inglês
Legendas: Inglês

oferecido por

Logotipo de IBM

IBM

Programa - O que você aprenderá com este curso

Classificação do conteúdoThumbs Up82%(2,402 classificações)Info
Semana
1

Semana 1

5 horas para concluir

Setting the stage

5 horas para concluir
10 vídeos (Total 59 mín.), 2 leituras, 3 testes
10 videos
Linear algebra5min
High Dimensional Vector Spaces2min
Supervised vs. Unsupervised Machine Learning4min
How ML Pipelines work3min
Introduction to SparkML20min
What is SystemML (1/2) ?3min
What is SystemML (2/2) ?6min
How to use Apache SystemML in IBM Watson Studio4min
Extract - Transform - Load3min
2 leituras
Object Store10min
IMPORTANT: How to submit your programming assignments10min
2 exercícios práticos
Machine Learning12min
ML Pipelines6min
Semana
2

Semana 2

6 horas para concluir

Supervised Machine Learning

6 horas para concluir
26 vídeos (Total 131 mín.), 1 leitura, 10 testes
26 videos
LinearRegression with Apache SparkML6min
Linear Regression using Apache SystemML3min
Batch Gradient Descent using Apache SystemML8min
The importance of validation data to prevent overfitting3min
Important evaluation measures2min
Logistic Regression1min
LogisticRegression with Apache SparkML4min
Probabilities refresher6min
Rules of probability and Bayes' theorem10min
The Gaussian distribution4min
Bayesian inference4min
Bayesian inference - example9min
Maximum a posteriori estimation5min
Bayesian inference in Python8min
Why is Naive Bayes "naive"7min
Support Vector Machines3min
Support Vector Machines using Apache SparkML8min
Crossvalidation1min
Hyper-parameter tuning using GridSearch3min
Decision Trees2min
Bootstrap Aggregation (Bagging) and RandomForest1min
Boosting and Gradient Boosted Trees6min
Gradient Boosted Trees with Apache SparkML2min
Hyperparameter-Tuning using GridSeach and CrossValidation in Apache SparkML on Gradient Boosted Trees3min
Regularization3min
1 leituras
Classification evaluation measures10min
9 exercícios práticos
Linear Regression6min
Splitting and Overfitting2min
Evaluation Measures2min
Logistic Regression2min
Naive Bayes16min
Support Vector Machines2min
Testing, X-Validation, GridSearch4min
Enselble Learning4min
Regularization4min
Semana
3

Semana 3

5 horas para concluir

Unsupervised Machine Learning

5 horas para concluir
13 vídeos (Total 67 mín.), 1 leitura, 3 testes
13 videos
Introduction to Clustering: k-Means3min
Hierarchical Clustering3min
Density-based clustering (Guest Lecture Saeed Aghabozorgi)4min
Using K-Means in Apache SparkML2min
Curse of Dimensionality9min
Dimensionality Reduction4min
Principal Component Analysis6min
Principal Component Analysis (demo)6min
Covariance matrix and direction of greatest variance8min
Eigenvectors and eigenvalues8min
Projecting the data4min
PCA in SystemML2min
1 leituras
Reading on Clustering Evaluation and Assessment10min
2 exercícios práticos
Clustering4min
PCA16min
Semana
4

Semana 4

5 horas para concluir

Digital Signal Processing in Machine Learning

5 horas para concluir
13 vídeos (Total 108 mín.)
13 videos
Fourier Transform in action6min
Signal generation and phase shift11min
The maths behind Fourier Transform11min
Discrete Fourier Transform16min
Fourier Transform in SystemML15min
Fast Fourier Transform7min
Nonstationary signals5min
Scaleograms7min
Continous Wavelet Transform3min
Scaling and translation3min
Wavelets and Machine Learning3min
Wavelets transform and SVM demo6min
2 exercícios práticos
Fourier Transform16min
Wavelet Transform16min

Avaliações

Principais avaliações do ADVANCED MACHINE LEARNING AND SIGNAL PROCESSING

Visualizar todas as avaliações

Sobre Programa de cursos integrados Advanced Data Science with IBM

As a coursera certified specialization completer you will have a proven deep understanding on massive parallel data processing, data exploration and visualization, and advanced machine learning & deep learning. You'll understand the mathematical foundations behind all machine learning & deep learning algorithms. You can apply knowledge in practical use cases, justify architectural decisions, understand the characteristics of different algorithms, frameworks & technologies & how they impact model performance & scalability. If you choose to take this specialization and earn the Coursera specialization certificate, you will also earn an IBM digital badge. To find out more about IBM digital badges follow the link ibm.biz/badging....
Advanced Data Science with IBM

Perguntas Frequentes – FAQ

  • Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:

    • The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
    • The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
  • Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.

  • Se você se inscrever, terá 7 dias para testar sem custo e, durante este período, pode cancelar sem multa. Depois disso, não reembolsamos, mas você pode cancelar sua inscrição a qualquer momento. Veja nossa política para o reembolso total.

  • Sim, a Coursera oferece auxílio financeiro ao aluno que não possa pagar a taxa. Faça a solicitação clicando no link Auxílio Financeiro, abaixo do botão "Inscreva-se" à esquerda. Preencha uma solicitação e será notificado caso seja aprovado. Você terá que completar esta etapa para cada curso na Especialização, incluindo o Trabalho de Conclusão de Curso. Saiba mais .

  • Este curso não oferece créditos universitários, mas algumas universidades podem aceitar certificados de cursos que podem ser convertidos em créditos. Entre em contato com sua instituição para saber mais. Com os cursos on-line e os certificados Mastertrack™ do Coursera, é possível ganhar créditos universitários.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.