Informações sobre o curso
107,137 visualizações recentes

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Aprox. 36 horas para completar

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

Inglês

Legendas: Inglês, Coreano, Árabe
User
Os alunos que estão fazendo este Course são
  • Data Scientists
  • Machine Learning Engineers
  • Biostatisticians
  • Data Analysts
  • Risk Managers

Habilidades que você terá

Linear RegressionRidge RegressionLasso (Statistics)Regression Analysis
User
Os alunos que estão fazendo este Course são
  • Data Scientists
  • Machine Learning Engineers
  • Biostatisticians
  • Data Analysts
  • Risk Managers

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Aprox. 36 horas para completar

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

Inglês

Legendas: Inglês, Coreano, Árabe

Programa - O que você aprenderá com este curso

Semana
1
1 hora para concluir

Welcome

5 vídeos (Total 20 mín.), 3 leituras
5 videos
What is the course about?3min
Outlining the first half of the course5min
Outlining the second half of the course5min
Assumed background4min
3 leituras
Important Update regarding the Machine Learning Specialization10min
Slides presented in this module10min
Reading: Software tools you'll need10min
3 horas para concluir

Simple Linear Regression

25 vídeos (Total 122 mín.), 5 leituras, 2 testes
25 videos
Regression fundamentals: data & model8min
Regression fundamentals: the task2min
Regression ML block diagram4min
The simple linear regression model2min
The cost of using a given line6min
Using the fitted line6min
Interpreting the fitted line6min
Defining our least squares optimization objective3min
Finding maxima or minima analytically7min
Maximizing a 1d function: a worked example2min
Finding the max via hill climbing6min
Finding the min via hill descent3min
Choosing stepsize and convergence criteria6min
Gradients: derivatives in multiple dimensions5min
Gradient descent: multidimensional hill descent6min
Computing the gradient of RSS7min
Approach 1: closed-form solution5min
Approach 2: gradient descent7min
Comparing the approaches1min
Influence of high leverage points: exploring the data4min
Influence of high leverage points: removing Center City7min
Influence of high leverage points: removing high-end towns3min
Asymmetric cost functions3min
A brief recap1min
5 leituras
Slides presented in this module10min
Optional reading: worked-out example for closed-form solution10min
Optional reading: worked-out example for gradient descent10min
Download notebooks to follow along10min
Reading: Fitting a simple linear regression model on housing data10min
2 exercícios práticos
Simple Linear Regression14min
Fitting a simple linear regression model on housing data8min
Semana
2
3 horas para concluir

Multiple Regression

19 vídeos (Total 87 mín.), 5 leituras, 3 testes
19 videos
Polynomial regression3min
Modeling seasonality8min
Where we see seasonality3min
Regression with general features of 1 input2min
Motivating the use of multiple inputs4min
Defining notation3min
Regression with features of multiple inputs3min
Interpreting the multiple regression fit7min
Rewriting the single observation model in vector notation6min
Rewriting the model for all observations in matrix notation4min
Computing the cost of a D-dimensional curve9min
Computing the gradient of RSS3min
Approach 1: closed-form solution3min
Discussing the closed-form solution4min
Approach 2: gradient descent2min
Feature-by-feature update9min
Algorithmic summary of gradient descent approach4min
A brief recap1min
5 leituras
Slides presented in this module10min
Optional reading: review of matrix algebra10min
Reading: Exploring different multiple regression models for house price prediction10min
Numpy tutorial10min
Reading: Implementing gradient descent for multiple regression10min
3 exercícios práticos
Multiple Regression18min
Exploring different multiple regression models for house price prediction16min
Implementing gradient descent for multiple regression10min
Semana
3
2 horas para concluir

Assessing Performance

14 vídeos (Total 93 mín.), 2 leituras, 2 testes
14 videos
What do we mean by "loss"?4min
Training error: assessing loss on the training set7min
Generalization error: what we really want8min
Test error: what we can actually compute4min
Defining overfitting2min
Training/test split1min
Irreducible error and bias6min
Variance and the bias-variance tradeoff6min
Error vs. amount of data6min
Formally defining the 3 sources of error14min
Formally deriving why 3 sources of error20min
Training/validation/test split for model selection, fitting, and assessment7min
A brief recap1min
2 leituras
Slides presented in this module10min
Reading: Exploring the bias-variance tradeoff10min
2 exercícios práticos
Assessing Performance26min
Exploring the bias-variance tradeoff8min
Semana
4
3 horas para concluir

Ridge Regression

16 vídeos (Total 85 mín.), 5 leituras, 3 testes
16 videos
Overfitting demo7min
Overfitting for more general multiple regression models3min
Balancing fit and magnitude of coefficients7min
The resulting ridge objective and its extreme solutions5min
How ridge regression balances bias and variance1min
Ridge regression demo9min
The ridge coefficient path4min
Computing the gradient of the ridge objective5min
Approach 1: closed-form solution6min
Discussing the closed-form solution5min
Approach 2: gradient descent9min
Selecting tuning parameters via cross validation3min
K-fold cross validation5min
How to handle the intercept6min
A brief recap1min
5 leituras
Slides presented in this module10min
Download the notebook and follow along10min
Download the notebook and follow along10min
Reading: Observing effects of L2 penalty in polynomial regression10min
Reading: Implementing ridge regression via gradient descent10min
3 exercícios práticos
Ridge Regression18min
Observing effects of L2 penalty in polynomial regression14min
Implementing ridge regression via gradient descent16min
4.8
822 avaliaçõesChevron Right

45%

comecei uma nova carreira após concluir estes cursos

43%

consegui um benefício significativo de carreira com este curso

18%

recebi um aumento ou promoção

Principais avaliações do Machine Learning: Regression

por PDMar 17th 2016

I really enjoyed all the concepts and implementations I did along this course....except during the Lasso module. I found this module harder than the others but very interesting as well. Great course!

por CMJan 27th 2016

I really like the top-down approach of this specialization. The iPython code assignments are very well structured. They are presented in a step-by-step manner while still being challenging and fun!

Instrutores

Avatar

Emily Fox

Amazon Professor of Machine Learning
Statistics
Avatar

Carlos Guestrin

Amazon Professor of Machine Learning
Computer Science and Engineering

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.