This course will help us to evaluate and compare the models we have developed in previous courses. So far we have developed techniques for regression and classification, but how low should the error of a classifier be (for example) before we decide that the classifier is "good enough"? Or how do we decide which of two regression algorithms is better?
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
5,956 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
O que você vai aprender
Understand the definitions of simple error measures (e.g. MSE, accuracy, precision/recall).
Evaluate the performance of regressors / classifiers using the above measures.
Understand the difference between training/testing performance, and generalizability.
Understand techniques to avoid overfitting and achieve good generalization performance.
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: Diagnostics for Data
For this first 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 diagnostics for the results of supervised learning.
3 horas para concluir
6 vídeos (Total 49 mín.), 4 leituras, 3 testes
6 videos
Motivation Behind the MSE8min
Regression Diagnostics: MSE and R²6min
Over- and Under-Fitting6min
Classification Diagnostics: Accuracy and Error11min
Classification Diagnostics: Precision and Recall12min
4 leituras
Syllabus10min
Setting Up Your System10min
(Optional) Additional Resources and Recommended Readings10min
Course Materials10min
3 exercícios práticos
Review: Regression Diagnostics30min
Review: Classification Diagnostics30min
Diagnostics for Data30min
2 horas para concluir
Week 2: Codebases, Regularization, and Evaluating a Model
This week, we will learn how to create a simple bag of words for analysis. We will also cover regularization and why it matters when building a model. Lastly, we will evaluate a model with regularization, focusing on classifiers.
2 horas para concluir
4 vídeos (Total 35 mín.)
4 videos
Model Complexity and Regularization10min
Adding a Regularizer to our Model, and Evaluating the Regularized Model8min
Evaluating Classifiers for Ranking4min
4 exercícios práticos
Review: Setting Up a Codebase30min
Review: Regularization5min
Review: Evaluating a Model5min
Codebases, Regularization, and Evaluating a Model45min
2 horas para concluir
Week 3: Validation and Pipelines
This week, we will learn about validation and how to implement it in tandem with training and testing. We will also cover how to implement a regularization pipeline in Python and introduce a few guidelines for best practices.
2 horas para concluir
4 vídeos (Total 24 mín.)
4 videos
Validation5min
“Theorems” About Training, Testing, and Validation8min
Implementing a Regularization Pipeline in Python5min
Guidelines on the Implementation of Predictive Pipelines5min
3 exercícios práticos
Review: Validation30min
Review: Predictive Pipelines30min
Predictive Pipelines20min
1 hora para concluir
Final Project
In the final week of this course, you will continue building on the project from the first and second courses of Python Data Products for Predictive Analytics with simple predictive machine learning algorithms. Find a dataset, clean it, and perform basic analyses on the data. Evaluate your model, validate your analyses, and make sure you aren't overfitting the data.
1 hora para concluir
2 leituras
2 leituras
Project Description10min
Where to Find Datasets10min
Avaliações
Principais avaliações do MEANINGFUL PREDICTIVE MODELING
por IS16 de Nov de 2019
Excellent content, but presentation is a bit challenging at times.
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 .
Ganharei créditos universitários por concluir o curso?
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.
