Principal Component Analysis with NumPy

4.6
estrelas

284 classificações

oferecido por

8.791 já se inscreveram

Neste projeto guiado, você irá:
1.5 hours
Intermediário
Sem necessidade de download
Vídeo em tela dividida
Inglês
Apenas em desktop

Welcome to this 2 hour long project-based course on Principal Component Analysis with NumPy and Python. In this project, you will do all the machine learning without using any of the popular machine learning libraries such as scikit-learn and statsmodels. The aim of this project and is to implement all the machinery of the various learning algorithms yourself, so you have a deeper understanding of the fundamentals. By the time you complete this project, you will be able to implement and apply PCA from scratch using NumPy in Python, conduct basic exploratory data analysis, and create simple data visualizations with Seaborn and Matplotlib. The prerequisites for this project are prior programming experience in Python and a basic understanding of machine learning theory. 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, NumPy, and Seaborn pre-installed.

Habilidades que você desenvolverá

  • Data Science

  • Python Programming

  • Seaborn

  • Numpy

  • PCA

Aprender passo a passo

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

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 PRINCIPAL COMPONENT ANALYSIS WITH NUMPY

Visualizar todas as avaliações

Perguntas Frequentes – FAQ