Este curso faz parte do Programa de cursos integrados Machine Learning: Algorithms in the Real World

4.7
estrelas
405 classificações

Anna Koop

15.296 já se inscreveram

oferecido por

Programa de cursos integrados Machine Learning: Algorithms in the Real WorldAlberta Machine Intelligence Institute

Informações sobre o curso

4.101 visualizações recentes

This course takes you from understanding the fundamentals of a machine learning project. Learners will understand and implement supervised learning techniques on real case studies to analyze business case scenarios where decision trees, k-nearest neighbours and support vector machines are optimally used. Learners will also gain skills to contrast the practical consequences of different data preparation steps and describe common production issues in applied ML.
To be successful, you should have at least beginner-level background in Python programming (e.g., be able to read and code trace existing code, be comfortable with conditionals, loops, variables, lists, dictionaries and arrays). You should have a basic understanding of linear algebra (vector notation) and statistics (probability distributions and mean/median/mode).

This is the second course of the Applied Machine Learning Specialization brought to you by Coursera and the Alberta Machine Intelligence Institute.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Curso 2 de 4 no

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

Aprox. 9 horas para completar

Inglês

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Curso 2 de 4 no

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

Aprox. 9 horas para completar

Inglês

Instrutores

Classificação do instrutor

4,7/5 (74 classificações)

Anna Koop

Senior Scientific Advisor

Alberta Machine Intelligence Institute, University of Alberta

32.440 aprendizes

4 Cursos

oferecido por

Alberta Machine Intelligence Institute

Programa - O que você aprenderá com este curso

Classificação do conteúdo96%(1,003 classificações)

Semana

Semana 1

4 horas para concluir

Classification using Decision Trees and k-NN

Welcome to Supervised Learning, Tip to Tail! This week we'll go over the basics of supervised learning, particularly classification, as well as teach you about two classification algorithms: decision trees and k-NN. You'll get started programming on the platform through Jupyter notebooks and start to familiarize yourself with all the issues that arise when using machine learning for classification.

4 horas para concluir

8 vídeos (Total 46 mín.), 4 leituras, 2 testes

8 videos

Introduction to the Course1min

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

Semana 2

2 horas para concluir

Functions for Fun and Profit

Welcome to the second week of the course! In this week you'll learn all about regression algorithms, the other side of supervised learning. We'll introduce you to the idea of finding lines, optimization criteria, and all the associated issues. Through regression we'll see the interactions between model complexity and accuracy, and you'll get a first taste of how regression and classification might relate.

2 horas para concluir

9 vídeos (Total 62 mín.), 1 leitura, 4 testes

9 videos

Line-fitting6min

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

Semana 3

3 horas para concluir

Regression for Classification: Support Vector Machines

This week we'll be diving straight in to using regression for classification. We'll describe all the fundamental pieces that make up the support vector machine algorithms, so that you can understand how many seemingly unrelated machine learning algorithms tie together. We'll introduce you to logistic regression, neural networks, and support vector machines, and show you how to implement two of those.

3 horas para concluir

6 vídeos (Total 34 mín.), 1 leitura, 2 testes

Semana

Semana 4

1 hora para concluir

Contrasting Models

Now at the tail end of the course, we're going to go over how to know how well your model is actually performing and what you can do to get even better performance from it. We'll review assessment questions particular to regression and classification, and introduce some other tools that really help you analyze your model performance. The topics covered this week aim to give you confidence in your models, so you're ready to unlock the power of machine learning for your business goals.

1 hora para concluir

8 vídeos (Total 46 mín.), 1 leitura, 1 teste

Avaliações

4.7

66 avaliações

5 stars
76,04%
4 stars
18,51%
3 stars
3,20%
2 stars
0,98%
1 star
1,23%

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

por TH14 de mai de 2022

This is an excellent course which goes into some depth on the different ML models and underlying complexity but it avoids getting bogged down into the details too much.

por MJ29 de out de 2019

Great course! I received so much useful information from AMII.

por VK27 de out de 2020

Learn some valuable insights on scikit-learn capabitlity through the labs

por BS4 de out de 2020

Excellent instruction. One of the best in ML. Could use a bit more python though.

Visualizar todas as avaliações

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

This specialization is for professionals who have heard the buzz around machine learning and want to apply machine learning to data analysis and automation. Whether finance, medicine, engineering, business or other domains, this specialization will set you up to define, train, and maintain a successful machine learning application.

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.
Existe algum auxílio financeiro disponível?
Sim. Em programas de aprendizado selecionados, você pode solicitar auxílio financeiro ou uma bolsa de estudos caso não consiga pagar a taxa de inscrição. Se o auxílio financeiro ou bolsa de estudos estiver disponível para a seleção do seu programa de aprendizado, você encontrará um link para se inscrever na página de descrição.

Mais dúvidas? Visite o Central de Ajuda ao estudante.

Machine Learning Algorithms: Supervised Learning Tip to Tail

Informações sobre o curso