Predict Employee Turnover with scikit-learn

4.4
estrelas
218 classificações
oferecido por
Coursera Project Network
6,080 já se inscreveram
Neste projeto guiado, você irá:

Apply decision trees and random forests with scikit-learn to classification problems

Interpret decision trees and random forest models using feature importances

Tune model hyperparamters to improve classification accuracy

Create interactive, GUI components in Jupyter notebooks using widgets

Clock2 hours
IntermediateIntermediário
CloudSem necessidade de download
VideoVídeo em tela dividida
Comment DotsInglês
LaptopApenas em desktop

Welcome to this project-based course on Predicting Employee Turnover with Decision Trees and Random Forests using scikit-learn. In this project, you will use Python and scikit-learn to grow decision trees and random forests, and apply them to an important business problem. Additionally, you will learn to interpret decision trees and random forest models using feature importance plots. Leverage Jupyter widgets to build interactive controls, you can change the parameters of the models on the fly with graphical controls, and see the results in real time! This course runs on Coursera's hands-on project platform called Rhyme. On Rhyme, you do projects in a hands-on manner in your browser. You will get instant access to pre-configured cloud desktops containing all of the software and data you need for the project. Everything is already set up directly in your internet browser so you can just focus on learning. For this project, you’ll get instant access to a cloud desktop with Python, Jupyter, and scikit-learn pre-installed.

Habilidades que você desenvolverá

Decision TreeMachine LearningRandom ForestclassificationScikit-Learn

Aprender passo a passo

Em um vídeo reproduzido em uma tela dividida com a área de trabalho, seu instrutor o orientará sobre esses passos:

  1. Introduction and Importing Libraries

  2. Exploratory Data Analysis

  3. Encode Categorical Features

  4. Visualize Class Imbalance

  5. Create Training and Test Sets

  6. Build a Decision Tree Classifier with Interactive Controls

  7. Build a Decision Tree Classifier with Interactive Controls (Continued)

  8. Build a Random Forest Classifier with Interactive Controls

  9. Feature Importance and Evaluation Metrics

Como funcionam os projetos guiados

Sua área de trabalho é um espaço em nuvem, acessado diretamente do navegador, sem necessidade de nenhum download

Em um vídeo de tela dividida, seu instrutor te orientará passo a passo

Instrutores

Avaliações

Principais avaliações do PREDICT EMPLOYEE TURNOVER WITH SCIKIT-LEARN

Visualizar todas as avaliações

Perguntas Frequentes – FAQ

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.