Support Vector Machines with scikit-learn
Understand the theory behind support vector machines
Builld SVM models with scikit-learn to classify linear and non-linear data
Determine the strengths and limitations of SVMs
Develop an SVM-based facial recognition model
In this project, you will learn the functioning and intuition behind a powerful class of supervised linear models known as support vector machines (SVMs). By the end of this project, you will be able to apply SVMs using scikit-learn and Python to your own classification tasks, including building a simple facial recognition model. 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. Notes: - You will be able to access the cloud desktop 5 times. However, you will be able to access instructions videos as many times as you want. - This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.
Habilidades que você desenvolverá
Aprender passo a passo
Em um vídeo reproduzido em uma tela dividida com a área de trabalho, seu instrutor o orientará sobre esses passos:
Getting Started
Beyond Linear Discriminative Classifiers
Many Possible Separators
Plotting the Margins
Training an SVM Model
Facial Recognition with SVMs
Preprocessing the data set
Hyperparameter Tuning with Grid-Search Cross Validation
Visualize Test Images
Evaluating the Support Vector Classifier
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
Avaliações
Principais avaliações do SUPPORT VECTOR MACHINES WITH SCIKIT-LEARN
It might be difficult for some people to understand this course who have zero knowledge of machine learning. Overall the course was good.
Beginner friendly and walks you through most of major steps which are usually done in Machine Learning Projects with SVM. Good course
Learned about SVM. Need t revisit the code and get most out of it.\n\nThings were concise and that is the strength of the course.
This guided project will definitely give you a practical approach to what you have read in SVM. Will definitely worth your time.
Perguntas Frequentes – FAQ
Perguntas Frequentes – FAQ
O que eu ganho se comprar projetos guiados?
Os projetos guiados estão disponíveis no computador e em dispositivos móveis?
Quem são os instrutores dos projetos guiados?
Posso baixar o trabalho do meu projeto guiado após completá-lo?
Como funciona a política de reembolso?Como funciona a política de reembolso?
Existe algum auxílio financeiro disponível?
Posso participar como ouvinte de um projeto guiado e assistir de graça a uma parte do vídeo?
Quanta experiência eu preciso ter para fazer esse projeto guiado?
Posso completar esse projeto guiado pelo meu navegador web em vez de instalar um software especial?
Como é a experiência de aprendizado com os projetos guiados?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
Coursera Footer
