This is the second course in the four-course specialization Python Data Products for Predictive Analytics, building on the data processing covered in Course 1 and introducing the basics of designing predictive models in Python. In this course, you will understand the fundamental concepts of statistical learning and learn various methods of building predictive models. At each step in the specialization, you will gain hands-on experience in data manipulation and building your skills, eventually culminating in a capstone project encompassing all the concepts taught in the specialization.
Este curso faz parte do Programa de cursos integrados Python Data Products for Predictive Analytics
oferecido por
Programa de cursos integrados Python Data Products for Predictive AnalyticsUniversidade da Califórnia, San DiegoInformações sobre o curso
12,724 visualizações recentes
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 intermediário
Aprox. 8 horas para completar
Inglês
Legendas: Inglês
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 intermediário
Aprox. 8 horas para completar
Inglês
Legendas: Inglês
oferecido por
Universidade da Califórnia, San Diego
UC San Diego is an academic powerhouse and economic engine, recognized as one of the top 10 public universities by U.S. News and World Report. Innovation is central to who we are and what we do. Here, students learn that knowledge isn't just acquired in the classroom—life is their laboratory.
Programa - O que você aprenderá com este curso
3 horas para concluir
Week 1: Supervised Learning & Regression
Welcome to the second course in this specialization! This week, we will go over the syllabus, download all course materials, and get your system up and running for the course. We will also introduce the basics of supervised learning and regression.
3 horas para concluir
5 vídeos (Total 46 mín.), 4 leituras, 3 testes
5 videos
Supervised Learning: Regression9min
Regression in Python10min
Time-Series Regression8min
Autoregression6min
4 leituras
Syllabus10min
Course Materials10min
Set Up Your System10min
Recap: Mathematical Notation10min
3 exercícios práticos
Review: Supervised Learning30min
Review: Regression30min
Supervised Learning & Regression10min
1 hora para concluir
Week 2: Features
This week, we will learn what features are in a dataset and how we can work with them through cleaning, manipulation, and analysis in Jupyter notebooks.
1 hora para concluir
4 vídeos (Total 29 mín.), 1 leitura, 3 testes
4 videos
Features from Temporal Data8min
Feature Transformations4min
Missing Values7min
1 leituras
Supplementary Notebook for Features3min
3 exercícios práticos
Review: Getting Features
Review: Working with Features
Features10min
1 hora para concluir
Week 3: Classification
This week, we will learn about classification and several ways you can implement it, such as K-nearest neighbors, logistic regression, and support vector machines.
1 hora para concluir
4 vídeos (Total 31 mín.)
4 videos
Classification: Nearest Neighbors4min
Classification: Logistic Regression10min
Introduction to Support Vector Machines10min
3 exercícios práticos
Review: Classification and K-Nearest Neighbors30min
Review: Logistic Regression and Support Vector Machines5min
Classification10min
2 horas para concluir
Week 4: Gradient Descent
This week, we will learn the importance of properly training and testing a model. We will also implement gradient descent in both Python and TensorFlow.
2 horas para concluir
5 vídeos (Total 36 mín.)
5 videos
Introduction to Training and Testing6min
Gradient Descent in Python8min
Gradient Descent in TensorFlow6min
Livecoding: Tensorflow7min
3 exercícios práticos
Review: Classification and Training30min
Review: Gradient Descent30min
More on Classification15min
Sobre Programa de cursos integrados Python Data Products for Predictive Analytics
Python data products are powering the AI revolution. Top companies like Google, Facebook, and Netflix use predictive analytics to improve the products and services we use every day. Take your Python skills to the next level and learn to make accurate predictions with data-driven systems and deploy machine learning models with this four-course Specialization from UC San Diego.
Perguntas Frequentes – FAQ
Quando terei acesso às palestras e às tarefas?
O acesso a palestras e tarefas depende do tipo de inscrição. Se você participar de um curso como ouvinte, você poderá ver quase todo o conteúdo do curso gratuitamente. Para acessar tarefas valendo nota e obter um Certificado, você precisará adquirir a experiência do Certificado, durante ou após a participação como ouvinte. Se você não vir a opção de participar como ouvinte:
- o curso pode não oferecer essa opção. Você pode experimentar um teste gratuito ou solicitar o auxílio financeiro.
- Em vez disso, o curso pode oferecer 'Curso completo, sem Certificado'. Com esta opção, é possível ver todo o conteúdo do curso, enviar as avaliações necessárias e obter uma nota final. Isso também significa que você não poderá comprar uma experiência de Certificado.
O que recebo ao me inscrever nesta Especialização?
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.
Is financial aid available?
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 .
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
