Machine Learning Real World Applications. Master techniques for implementing a machine learning project

4.6

estrelas

525 classificações

Anna Koop

12.626 já se inscreveram

oferecido por

Programa de cursos integrados Machine Learning: Algorithms in the Real WorldAlberta Machine Intelligence Institute

O que você vai aprender

Clearly define an ML problem

Survey available data resources and identify potential ML applications

Prepare data for effective ML applications

Take a business need and turn it into a machine learning application

Habilidades que você terá

Applied Machine LearningMachine LearningClassification AlgorithmsMachine Learning (ML) AlgorithmsProject ManagementStatistical AnalysisPython ProgrammingComputer ProgrammingLinear Algebra

Sobre este Programa de cursos integrados

2.981 visualizações recentes

This specialization is for professionals who have heard the buzz around machine learning and want to apply machine learning to data analysis and automation. Whether finance, medicine, engineering, business or other domains, this specialization will set you up to define, train, and maintain a successful machine learning application. After completing all four courses, you will have gone through the entire process of building a machine learning project. You will be able to clearly define a machine learning problem, identify appropriate data, train a classification algorithm, improve your results, and deploy it in the real world. You will also be able to anticipate and mitigate common pitfalls in applied machine learning.

Certificados compartilháveis

Tenha o certificado após a conclusão

Cursos 100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Cronograma flexível

Definição e manutenção de prazos flexíveis.

Nível intermediário

We recommend a background in analytics, math (linear algebra, matrix multiplication), statistics and beginner level python programming.

Aproximadamente 4 meses para ser concluído

Ritmo sugerido de 3 horas/semana

Inglês

Legendas: Inglês, Árabe, Francês, Portuguese (European), Italiano, Vietnamita, Alemão, Russo, Espanhol

Certificados compartilháveis

Tenha o certificado após a conclusão

Cursos 100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Cronograma flexível

Definição e manutenção de prazos flexíveis.

Nível intermediário

We recommend a background in analytics, math (linear algebra, matrix multiplication), statistics and beginner level python programming.

Aproximadamente 4 meses para ser concluído

Ritmo sugerido de 3 horas/semana

Inglês

Legendas: Inglês, Árabe, Francês, Portuguese (European), Italiano, Vietnamita, Alemão, Russo, Espanhol

Como funciona o programa de cursos integrados

Fazer cursos

Um programa de cursos integrados do Coursera é uma série de cursos para ajudá-lo a dominar uma habilidade. Primeiramente, inscreva-se no programa de cursos integrados diretamente, ou avalie a lista de cursos e escolha por qual você gostaria de começar. Ao se inscrever em um curso que faz parte de um programa de cursos integrados, você é automaticamente inscrito em todo o programa de cursos integrados. É possível concluir apenas um curso — você pode pausar a sua aprendizagem ou cancelar a sua assinatura a qualquer momento. Visite o seu painel de aprendiz para controlar suas inscrições em cursos e progresso.

Projeto prático

Todos os programas de cursos integrados incluem um projeto prático. Você precisará completar com êxito o(s) projeto(s) para concluir o programa de cursos integrados e obter o seu certificado. Se o programa de cursos integrados incluir um curso separado para o projeto prático, você precisará completar todos os outros cursos antes de iniciá-lo.

Obtenha um certificado

Ao concluir todos os cursos e completar o projeto prático, você obterá um certificado que pode ser compartilhado com potenciais empregadores e com sua rede profissional.

Este Programa de cursos integrados contém 4 cursos

Curso1

Curso 1

Introduction to Applied Machine Learning

4.7

estrelas

597 classificações

•

145 avaliações

This course is for professionals who have heard the buzz around machine learning and want to apply machine learning to data analysis and automation. Whether finance, medicine, engineering, business or other domains, this course will introduce you to problem definition and data preparation in a machine learning project.

By the end of the course, you will be able to clearly define a machine learning problem using two approaches. You will learn to survey available data resources and identify potential ML applications. You will learn to take a business need and turn it into a machine learning application. You will prepare data for effective machine learning applications. This is the first course of the Applied Machine Learning Specialization brought to you by Coursera and the Alberta Machine Intelligence Institute.

Curso2

Curso 2

Machine Learning Algorithms: Supervised Learning Tip to Tail

4.7

estrelas

343 classificações

•

58 avaliações

This course takes you from understanding the fundamentals of a machine learning project. Learners will understand and implement supervised learning techniques on real case studies to analyze business case scenarios where decision trees, k-nearest neighbours and support vector machines are optimally used. Learners will also gain skills to contrast the practical consequences of different data preparation steps and describe common production issues in applied ML.

To be successful, you should have at least beginner-level background in Python programming (e.g., be able to read and code trace existing code, be comfortable with conditionals, loops, variables, lists, dictionaries and arrays). You should have a basic understanding of linear algebra (vector notation) and statistics (probability distributions and mean/median/mode). This is the second course of the Applied Machine Learning Specialization brought to you by Coursera and the Alberta Machine Intelligence Institute.

Curso3

Curso 3

Data for Machine Learning

4.4

estrelas

85 classificações

•

24 avaliações

This course is all about data and how it is critical to the success of your applied machine learning model. Completing this course will give learners the skills to:

Understand the critical elements of data in the learning, training and operation phases Understand biases and sources of data Implement techniques to improve the generality of your model Explain the consequences of overfitting and identify mitigation measures Implement appropriate test and validation measures. Demonstrate how the accuracy of your model can be improved with thoughtful feature engineering. Explore the impact of the algorithm parameters on model strength To be successful in this course, you should have at least beginner-level background in Python programming (e.g., be able to read and code trace existing code, be comfortable with conditionals, loops, variables, lists, dictionaries and arrays). You should have a basic understanding of linear algebra (vector notation) and statistics (probability distributions and mean/median/mode). This is the third course of the Applied Machine Learning Specialization brought to you by Coursera and the Alberta Machine Intelligence Institute.

Curso4

Curso 4

Optimizing Machine Learning Performance

4.6

estrelas

37 classificações

•

8 avaliações

This course synthesizes everything your have learned in the applied machine learning specialization. You will now walk through a complete machine learning project to prepare a machine learning maintenance roadmap. You will understand and analyze how to deal with changing data. You will also be able to identify and interpret potential unintended effects in your project. You will understand and define procedures to operationalize and maintain your applied machine learning model. By the end of this course you will have all the tools and understanding you need to confidently roll out a machine learning project and prepare to optimize it in your business context.

To be successful, you should have at least beginner-level background in Python programming (e.g., be able to read and code trace existing code, be comfortable with conditionals, loops, variables, lists, dictionaries and arrays). You should have a basic understanding of linear algebra (vector notation) and statistics (probability distributions and mean/median/mode). This is the final course of the Applied Machine Learning Specialization brought to you by Coursera and the Alberta Machine Intelligence Institute (Amii).

Instrutores

Anna Koop

Senior Scientific Advisor

Alberta Machine Intelligence Institute, University of Alberta

26.044 aprendizes

4 Cursos

oferecido por

Alberta Machine Intelligence Institute

The Alberta Machine Intelligence Institute (Amii) is home to some of the world’s top talent in machine intelligence. We’re an Alberta-based

Perguntas Frequentes – FAQ

Vou ganhar créditos universitários por concluir a Especialização?
Este Programa de cursos integrados não oferece créditos universitários, mas algumas universidades podem aceitar certificados de Programas de cursos integrados que podem ser convertidos em créditos. Entre em contato com sua instituição para saber mais. Com os cursos on-line e os certificados Mastertrack™ do Coursera, é possível ganhar créditos universitários.
Can I just enroll in a single course?
Se você se inscrever, terá 7 dias para testar sem custo e, durante este período, pode cancelar sem multa. Depois disso, não reembolsamos, mas você pode cancelar sua inscrição a qualquer momento. Veja nossa política para o reembolso total.
Posso me inscrever em um único curso?
Sim! Para começar, clique na carta de curso que lhe interessa e se inscreva. Você pode se inscrever e concluir o curso para ganhar um certificado compartilhável ou você pode auditar para ver os materiais do curso de graça. Quando você se inscrever em um curso que faz parte de uma especialização, você está automaticamente inscrito para a especialização completa. Visite o seu painel de aluno para acompanhar o seu progresso.
Can I take the course for free?
Sim, a Coursera oferece auxílio financeiro ao aluno que não possa pagar a taxa. Faça a solicitação clicando no link Auxílio Financeiro, abaixo do botão "Inscreva-se" à esquerda. Preencha uma solicitação e será notificado caso seja aprovado. Você terá que completar esta etapa para cada curso na Especialização, incluindo o Trabalho de Conclusão de Curso. Saiba mais .
Posso fazer o curso gratuitamente?
Quando se inscrever no curso, você terá acesso a todos os cursos na Especialização e ganhará um certificado quando concluir o trabalho. Se você só quiser ler e visualizar o conteúdo do curso, pode auditar o curso gratuitamente. Se não puder pagar a taxa, você pode solicitar ajuda financeira.
Este curso é realmente 100% on-line? Eu preciso assistir alguma aula pessoalmente?
Este curso é totalmente on-line, então não existe necessidade de aparecer em uma sala de aula pessoalmente. Você pode acessar suas palestras, leituras e atribuições a qualquer hora e qualquer lugar, via web ou dispositivo móvel.
Quanto tempo é necessário para concluir a Especialização?
We recommend a background in analytics, math (linear algebra, matrix multiplication), statistics and beginner level python programming.
Do I need to take the courses in a specific order?
We recommend taking the courses in sequential order.
Will I earn university credit for completing the Specialization?
You will earn a specialization certificate from Coursera however you will not receive any University of Alberta credits.
Vou ganhar créditos universitários por concluir a Especialização?
By the end of the specialization, you will be able to understand and manage the entire process of building a machine learning project. You will be able to clearly define a machine learning problem, identify appropriate data, train a classification algorithm, improve your results, and deploy it in the real world. You will also be able to anticipate and mitigate common pitfalls in applied machine learning.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.