Informações sobre o curso
199,356 visualizações recentes

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Aprox. 24 horas para completar

Sugerido: 6 weeks of study, 5-8 hours/week...

Inglês

Legendas: Inglês, Coreano, Vietnamita, Chinês (simplificado)
User
Os alunos que estão fazendo este Course são
  • Machine Learning Engineers
  • Data Scientists
  • Risk Managers
  • Data Analysts
  • Technical Leads

Habilidades que você terá

Python ProgrammingMachine Learning ConceptsMachine LearningDeep Learning
User
Os alunos que estão fazendo este Course são
  • Machine Learning Engineers
  • Data Scientists
  • Risk Managers
  • Data Analysts
  • Technical Leads

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Aprox. 24 horas para completar

Sugerido: 6 weeks of study, 5-8 hours/week...

Inglês

Legendas: Inglês, Coreano, Vietnamita, Chinês (simplificado)

Programa - O que você aprenderá com este curso

Semana
1
2 horas para concluir

Welcome

18 vídeos (Total 84 mín.), 6 leituras
18 videos
Who we are5min
Machine learning is changing the world3min
Why a case study approach?7min
Specialization overview6min
How we got into ML3min
Who is this specialization for?4min
What you'll be able to do57s
The capstone and an example intelligent application6min
The future of intelligent applications2min
Starting an IPython Notebook5min
Creating variables in Python7min
Conditional statements and loops in Python8min
Creating functions and lambdas in Python3min
Starting GraphLab Create & loading an SFrame4min
Canvas for data visualization4min
Interacting with columns of an SFrame4min
Using .apply() for data transformation5min
6 leituras
Important Update regarding the Machine Learning Specialization10min
Slides presented in this module10min
Reading: Getting started with Python, IPython Notebook & GraphLab Create10min
Reading: where should my files go?10min
Download the IPython Notebook used in this lesson to follow along10min
Download the IPython Notebook used in this lesson to follow along10min
Semana
2
2 horas para concluir

Regression: Predicting House Prices

19 vídeos (Total 82 mín.), 3 leituras, 2 testes
19 videos
What is the goal and how might you naively address it?3min
Linear Regression: A Model-Based Approach5min
Adding higher order effects4min
Evaluating overfitting via training/test split6min
Training/test curves4min
Adding other features2min
Other regression examples3min
Regression ML block diagram5min
Loading & exploring house sale data7min
Splitting the data into training and test sets2min
Learning a simple regression model to predict house prices from house size3min
Evaluating error (RMSE) of the simple model2min
Visualizing predictions of simple model with Matplotlib4min
Inspecting the model coefficients learned1min
Exploring other features of the data6min
Learning a model to predict house prices from more features3min
Applying learned models to predict price of an average house5min
Applying learned models to predict price of two fancy houses7min
3 leituras
Slides presented in this module10min
Download the IPython Notebook used in this lesson to follow along10min
Reading: Predicting house prices assignment10min
2 exercícios práticos
Regression18min
Predicting house prices6min
Semana
3
2 horas para concluir

Classification: Analyzing Sentiment

19 vídeos (Total 75 mín.), 3 leituras, 2 testes
19 videos
What is an intelligent restaurant review system?4min
Examples of classification tasks4min
Linear classifiers5min
Decision boundaries3min
Training and evaluating a classifier4min
What's a good accuracy?3min
False positives, false negatives, and confusion matrices6min
Learning curves5min
Class probabilities1min
Classification ML block diagram3min
Loading & exploring product review data2min
Creating the word count vector2min
Exploring the most popular product4min
Defining which reviews have positive or negative sentiment4min
Training a sentiment classifier3min
Evaluating a classifier & the ROC curve4min
Applying model to find most positive & negative reviews for a product4min
Exploring the most positive & negative aspects of a product4min
3 leituras
Slides presented in this module10min
Download the IPython Notebook used in this lesson to follow along10min
Reading: Analyzing product sentiment assignment10min
2 exercícios práticos
Classification14min
Analyzing product sentiment22min
Semana
4
2 horas para concluir

Clustering and Similarity: Retrieving Documents

17 vídeos (Total 76 mín.), 3 leituras, 2 testes
17 videos
What is the document retrieval task?1min
Word count representation for measuring similarity6min
Prioritizing important words with tf-idf3min
Calculating tf-idf vectors5min
Retrieving similar documents using nearest neighbor search2min
Clustering documents task overview2min
Clustering documents: An unsupervised learning task4min
k-means: A clustering algorithm3min
Other examples of clustering6min
Clustering and similarity ML block diagram7min
Loading & exploring Wikipedia data5min
Exploring word counts5min
Computing & exploring TF-IDFs7min
Computing distances between Wikipedia articles5min
Building & exploring a nearest neighbors model for Wikipedia articles3min
Examples of document retrieval in action4min
3 leituras
Slides presented in this module10min
Download the IPython Notebook used in this lesson to follow along10min
Reading: Retrieving Wikipedia articles assignment10min
2 exercícios práticos
Clustering and Similarity12min
Retrieving Wikipedia articles18min
4.6
2146 avaliaçõesChevron Right

34%

comecei uma nova carreira após concluir estes cursos

31%

consegui um benefício significativo de carreira com este curso

Principais avaliações do Fundações do aprendizado de máquina: uma abordagem por estudo de caso

por PMAug 19th 2019

The course was well designed and delivered by all the trainers with the help of case study and great examples.\n\nThe forums and discussions were really useful and helpful while doing the assignments.

por SZDec 20th 2016

Great course!\n\nEmily and Carlos teach this class in a very interest way. They try to let student understand machine learning by some case study. That worked well on me. I like this course very much.

Instrutores

Avatar

Carlos Guestrin

Amazon Professor of Machine Learning
Computer Science and Engineering
Avatar

Emily Fox

Amazon Professor of Machine Learning
Statistics

Sobre Universidade de Washington

Founded in 1861, the University of Washington is one of the oldest state-supported institutions of higher education on the West Coast and is one of the preeminent research universities in the world....

Sobre Programa de cursos integrados Aprendizagem Automática

This Specialization from leading researchers at the University of Washington introduces you to the exciting, high-demand field of Machine Learning. Through a series of practical case studies, you will gain applied experience in major areas of Machine Learning including Prediction, Classification, Clustering, and Information Retrieval. You will learn to analyze large and complex datasets, create systems that adapt and improve over time, and build intelligent applications that can make predictions from data....
Aprendizagem Automática

Perguntas Frequentes – FAQ

  • Ao se inscrever para um Certificado, você terá acesso a todos os vídeos, testes e tarefas de programação (se aplicável). Tarefas avaliadas pelos colegas apenas podem ser enviadas e avaliadas após o início da sessão. Caso escolha explorar o curso sem adquiri-lo, talvez você não consiga acessar certas tarefas.

  • 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.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.