Informações sobre o curso

53,317 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. 27 horas para completar
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. 27 horas para completar
Inglês

oferecido por

Placeholder

IBM

Programa - O que você aprenderá com este curso

Classificação do conteúdoThumbs Up83%(3,004 classificações)Info
Semana
1

Semana 1

6 horas para concluir

Setting the stage

6 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 Learning30min
ML Pipelines30min
Semana
2

Semana 2

10 horas para concluir

Supervised Machine Learning

10 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 Regression30min
Splitting and Overfitting30min
Evaluation Measures30min
Logistic Regression30min
Naive Bayes30min
Support Vector Machines30min
Testing, X-Validation, GridSearch30min
Enselble Learning30min
Regularization30min
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
Clustering30min
PCA30min
Semana
4

Semana 4

6 horas para concluir

Digital Signal Processing in Machine Learning

6 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 Transform30min
Wavelet Transform30min

Avaliações

Principais avaliações do ADVANCED MACHINE LEARNING AND SIGNAL PROCESSING

Visualizar todas as avaliações

Sobre Programa de cursos integrados Advanced Data Science with IBM

Advanced Data Science with IBM

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.