Informações sobre o curso

61,168 visualizações recentes

Resultados de carreira do aprendiz

38%

comecei uma nova carreira após concluir estes cursos

38%

consegui um benefício significativo de carreira com este curso

12%

recebi um aumento ou promoção

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Aprox. 14 horas para completar

Inglês

Legendas: Inglês, Coreano

O que você vai aprender

  • Use the basic components of building and applying prediction functions

  • Understand concepts such as training and tests sets, overfitting, and error rates

  • Describe machine learning methods such as regression or classification trees

  • Explain the complete process of building prediction functions

Habilidades que você terá

Random ForestMachine Learning (ML) AlgorithmsMachine LearningR Programming

Resultados de carreira do aprendiz

38%

comecei uma nova carreira após concluir estes cursos

38%

consegui um benefício significativo de carreira com este curso

12%

recebi um aumento ou promoção

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Aprox. 14 horas para completar

Inglês

Legendas: Inglês, Coreano

oferecido por

Logotipo de Universidade Johns Hopkins

Universidade Johns Hopkins

Programa - O que você aprenderá com este curso

Classificação do conteúdoThumbs Up89%(5,660 classificações)Info
Semana
1

Semana 1

2 horas para concluir

Week 1: Prediction, Errors, and Cross Validation

2 horas para concluir
9 vídeos (Total 73 mín.), 4 leituras, 1 teste
9 videos
What is prediction?8min
Relative importance of steps9min
In and out of sample errors6min
Prediction study design9min
Types of errors10min
Receiver Operating Characteristic5min
Cross validation8min
What data should you use?6min
4 leituras
Welcome to Practical Machine Learning10min
A Note of Explanation2min
Syllabus10min
Pre-Course Survey10min
1 exercício prático
Quiz 110min
Semana
2

Semana 2

2 horas para concluir

Week 2: The Caret Package

2 horas para concluir
9 vídeos (Total 96 mín.)
9 videos
Data slicing5min
Training options7min
Plotting predictors10min
Basic preprocessing10min
Covariate creation17min
Preprocessing with principal components analysis14min
Predicting with Regression12min
Predicting with Regression Multiple Covariates11min
1 exercício prático
Quiz 210min
Semana
3

Semana 3

1 hora para concluir

Week 3: Predicting with trees, Random Forests, & Model Based Predictions

1 hora para concluir
5 vídeos (Total 48 mín.)
5 videos
Bagging9min
Random Forests6min
Boosting7min
Model Based Prediction11min
1 exercício prático
Quiz 310min
Semana
4

Semana 4

4 horas para concluir

Week 4: Regularized Regression and Combining Predictors

4 horas para concluir
4 vídeos (Total 33 mín.), 2 leituras, 3 testes
4 videos
Combining predictors7min
Forecasting7min
Unsupervised Prediction4min
2 leituras
Course Project Instructions (READ FIRST)10min
Post-Course Survey10min
2 exercícios práticos
Quiz 410min
Course Project Prediction Quiz40min

Avaliações

Principais avaliações do APRENDIZAGEM AUTOMÁTICA NA PRÁTICA
Visualizar todas as avaliações

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.