Informações sobre o curso
59,917 visualizações recentes

100% online

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

O que você vai aprender

  • Check

    Describe machine learning methods such as regression or classification trees

  • Check

    Explain the complete process of building prediction functions

  • Check

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

  • Check

    Use the basic components of building and applying prediction functions

Habilidades que você terá

Random ForestMachine Learning (ML) AlgorithmsMachine LearningR Programming

100% online

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

Programa - O que você aprenderá com este curso

Semana
1
2 horas para concluir

Week 1: Prediction, Errors, and Cross Validation

9 vídeos (Total 73 mín.), 3 leituras, 1 teste
9 videos
In and out of sample errors6min
Prediction study design9min
Types of errors10min
Receiver Operating Characteristic5min
Cross validation8min
What data should you use?6min
3 leituras
Welcome to Practical Machine Learning10min
Syllabus10min
Pre-Course Survey10min
1 exercício prático
Quiz 110min
Semana
2
2 horas para concluir

Week 2: The Caret Package

9 vídeos (Total 96 mín.), 1 teste
9 videos
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
1 hora para concluir

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

5 vídeos (Total 48 mín.), 1 teste
5 videos
Boosting7min
Model Based Prediction11min
1 exercício prático
Quiz 310min
Semana
4
4 horas para concluir

Week 4: Regularized Regression and Combining Predictors

4 vídeos (Total 33 mín.), 2 leituras, 3 testes
4 videos
Unsupervised Prediction4min
2 leituras
Course Project Instructions (READ FIRST)10min
Post-Course Survey10min
2 exercícios práticos
Quiz 410min
Course Project Prediction Quiz40min
4.5
481 avaliaçõesChevron Right

40%

comecei uma nova carreira após concluir estes cursos

39%

consegui um benefício significativo de carreira com este curso

13%

recebi um aumento ou promoção

Principais avaliações do Aprendizagem Automática na Prática

por ADMar 1st 2017

Issues of every stage of the construction of learning machine model, as well as issues with several different machine learning methods are well and in fine yet very understandable detail explained.

por ASAug 31st 2017

Highly recommend this course. It makes you read a lot, do lot's of practical exercises. The final project is a must do. After finishing this course you can start playing with kaggle data sets.

Instrutores

Avatar

Jeff Leek, PhD

Associate Professor, Biostatistics
Bloomberg School of Public Health
Avatar

Roger D. Peng, PhD

Associate Professor, Biostatistics
Bloomberg School of Public Health
Avatar

Brian Caffo, PhD

Professor, Biostatistics
Bloomberg School of Public Health

Sobre Universidade Johns Hopkins

The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world....

Sobre o Programa de cursos integrados Ciência de Dados

Ask the right questions, manipulate data sets, and create visualizations to communicate results. This Specialization covers the concepts and tools you'll need throughout the entire data science pipeline, from asking the right kinds of questions to making inferences and publishing results. In the final Capstone Project, you’ll apply the skills learned by building a data product using real-world data. At completion, students will have a portfolio demonstrating their mastery of the material....
Ciência de Dados

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.