Informações sobre o curso

40,996 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.
Aprox. 9 horas para completar
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.
Aprox. 9 horas para completar
Inglês

oferecido por

Placeholder

Alberta Machine Intelligence Institute

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

4 horas para concluir

Classification using Decision Trees and k-NN

4 horas para concluir
8 vídeos (Total 46 mín.), 4 leituras, 2 testes
8 videos
What does a classifier actually do?5min
Classification in scikit-learn3min
What are decision trees?6min
Generalization and overfitting8min
Classification using k-nearest neighbours8min
Distance measures8min
Weekly summary2min
4 leituras
Math Review10min
Scikitlearn documentation for decision trees (Optional)10min
Scikitlearn documentation for random forests (Optional)10min
Scikitlearn documentation for k-nearest neighbours (Optional)10min
2 exercícios práticos
Supervised Learning Basics
Understanding Classification with Decision Trees and k-NN20min
Semana
2

Semana 2

2 horas para concluir

Functions for Fun and Profit

2 horas para concluir
9 vídeos (Total 62 mín.), 1 leitura, 4 testes
9 videos
Optimal line-fitting8min
Loss and Convexity7min
Gradient Descent9min
Nonlinear features and model complexity6min
Bias and variance tradeoff6min
Regularizers5min
Loss for Classification7min
Weekly summary4min
1 leituras
Scikitlearn documentation for linear regression (Optional)10min
4 exercícios práticos
Regression Basics
Understanding Model Complexity
From Regression to Classification2min
The Regression side of Supervised Learning20min
Semana
3

Semana 3

3 horas para concluir

Regression for Classification: Support Vector Machines

3 horas para concluir
6 vídeos (Total 34 mín.), 1 leitura, 2 testes
6 videos
Neural Networks9min
Hinge Loss6min
Basics of Support Vector Machines6min
Kernels6min
Weekly Summary1min
1 leituras
Scikitlearn documentation for SVMs (Optional)10min
2 exercícios práticos
Understanding Support Vector Machines
Regression-based Classification10min
Semana
4

Semana 4

1 hora para concluir

Contrasting Models

1 hora para concluir
8 vídeos (Total 46 mín.), 1 leitura, 1 teste
8 videos
Classification assessment6min
Learning Curves6min
Testing your models7min
Cross validation5min
Parameter tuning and grid search5min
Model Parameters6min
Weekly Summary1min
1 leituras
Some resources on model assessment (Optional)10min
1 exercício prático
Contrasting Models

Avaliações

Principais avaliações do MACHINE LEARNING ALGORITHMS: SUPERVISED LEARNING TIP TO TAIL

Visualizar todas as avaliações

Sobre Programa de cursos integrados Machine Learning: Algorithms in the Real World

Machine Learning: Algorithms in the Real World

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.