Informações 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

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

oferecido por

Placeholder

Universidade da Califórnia, San Diego

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

3 horas para concluir

Week 1: Diagnostics for Data

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
Semana
2

Semana 2

2 horas para concluir

Week 2: Codebases, Regularization, and Evaluating a Model

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
Semana
3

Semana 3

2 horas para concluir

Week 3: Validation and Pipelines

2 horas para concluir
4 vídeos (Total 24 mín.)
4 videos
“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
Semana
4

Semana 4

1 hora para concluir

Final Project

1 hora para concluir
2 leituras
2 leituras
Project Description10min
Where to Find Datasets10min

Avaliações

Principais avaliações do MEANINGFUL PREDICTIVE MODELING

Visualizar todas as avaliações

Sobre Programa de cursos integrados Python Data Products for Predictive Analytics

Python Data Products for Predictive Analytics

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.