Informações sobre o curso

44,834 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. 11 horas para completar
Inglês

Habilidades que você terá

Decision TreeEnsemble LearningClassification AlgorithmsSupervised LearningMachine Learning (ML) Algorithms
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. 11 horas para completar
Inglês

oferecido por

Placeholder

IBM

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

2 horas para concluir

Logistic Regression

2 horas para concluir
10 vídeos (Total 91 mín.), 6 leituras, 3 testes
10 videos
Optional: How to create a project in IBM Watson Studio5min
Introduction: What is Classification?6min
Introduction to Logistic Regression2min
Classification with Logistic Regression12min
Confusion Matrix, Accuracy, Specificity, Precision, and Recall7min
Classification Error Metrics: ROC and Precision-Recall Curves10min
Logistic Regression Lab - Part 113min
Logistic Regression Lab - Part 216min
Logistic Regression Lab - Part 313min
6 leituras
About this course3min
Optional: Introduction to IBM Watson Studio4min
Optional: Overview of IBM Watson Studio3min
Optional: Download data assets3min
Logistic Regression Demo (Activity)10min
Summary/Review4min
3 exercícios práticos
Logistic Regression4min
Logistic Regression Demo2min
End of Module10min
Semana
2

Semana 2

1 hora para concluir

K Nearest Neighbors

1 hora para concluir
7 vídeos (Total 50 mín.), 2 leituras, 3 testes
7 videos
K Nearest Neighbors Decision Boundary3min
K Nearest Neighbors Distance Measurement8min
K Nearest Neighbors with Feature Scaling5min
K Nearest Neighbors Notebook - Part 19min
K Nearest Neighbors Notebook - Part 26min
K Nearest Neighbors Notebook - Part 311min
2 leituras
K Nearest Neighbors Demo (Activity)3min
Summary/Review1min
3 exercícios práticos
K Nearest Neighbors3min
N Nearest Neighbors Demo5min
End of Module15min
2 horas para concluir

Support Vector Machines

2 horas para concluir
11 vídeos (Total 67 mín.), 2 leituras, 4 testes
11 videos
Classification with Support Vector Machines2min
The Support Vector Machines Cost Function5min
Regularization in Support Vector Machines6min
Introduction to Support Vector Machines Gaussian Kernels2min
Support Vector Machines Gaussian Kernels - Part 14min
Support Vector Machines Gaussian Kernels - Part 24min
Implementing Support Vector Machines Kernel Models8min
Support Vector Machines Notebook - Part 18min
Support Vector Machines Notebook - Part 28min
Support Vector Machines Notebook - Part 310min
2 leituras
Support Vector Machines Demo (Activity)3min
Summary/Review2min
4 exercícios práticos
Support Vector Machines5min
Support Vector Machines Kernels3min
Support Vector Machines Demo3min
End of Module10min
Semana
3

Semana 3

2 horas para concluir

Decision Trees

2 horas para concluir
8 vídeos (Total 60 mín.), 2 leituras, 3 testes
8 videos
Building a Decision Tree6min
Entropy-based Splitting2min
Other Decision Tree Splitting Criteria4min
Pros and Cons of Decision Trees5min
Decision Trees Notebook - Part 16min
Decision Trees Notebook - Part 28min
Decision Trees Notebook - Part 315min
2 leituras
Decision Trees Demo (Activity)10min
Summary/Review3min
3 exercícios práticos
Decision Trees4min
Decision Trees Demo3min
End of Module10min
2 horas para concluir

Ensemble Models

2 horas para concluir
15 vídeos (Total 93 mín.), 3 leituras, 6 testes
15 videos
Ensemble Based Methods and Bagging - Part 21min
Ensemble Based Methods and Bagging - Part 33min
Random Forest7min
Bagging Notebook - Part 16min
Bagging Notebook - Part 26min
Bagging Notebook - Part 39min
Review of Bagging4min
Overview of Boosting3min
Adaboost and Gradient Boosting Overview7min
Adaboost and Gradient Boosting Syntax4min
Stacking7min
Boosting Notebook - Part 17min
Boosting Notebook - Part 215min
Boosting Notebook - Part 35min
3 leituras
Bagging Demo (Activity)3min
Boosting and Stacking Demo (Activity)3min
Summary/Review10min
6 exercícios práticos
Bagging5min
Random Forest3min
Bagging Demo3min
Boosting and Stacking5min
Boosting and Stacking Demo5min
End of Module10min
Semana
4

Semana 4

2 horas para concluir

Modeling Unbalanced Classes

2 horas para concluir
6 vídeos (Total 30 mín.), 1 leitura, 3 testes
6 videos
Upsampling and Downsampling6min
Modeling Approaches: Weighting and Stratified Sampling3min
Modeling Approaches: Random and Synthetic Oversampling5min
Modeling Approaches: Nearing Neighbor Methods4min
Modeling Approaches: Blagging5min
1 leituras
Summary/Review10min
2 exercícios práticos
Modeling Unbalanced Classes4min
End of Module10min

Avaliações

Principais avaliações do SUPERVISED LEARNING: CLASSIFICATION

Visualizar todas as avaliações

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.