In this course, you’ll be learning various supervised ML algorithms and prediction tasks applied to different data. You’ll learn when to use which model and why, and how to improve the model performances. We will cover models such as linear and logistic regression, KNN, Decision trees and ensembling methods such as Random Forest and Boosting, kernel methods such as SVM.
Ce cours fait partie de la Spécialisation Machine Learning: Theory and Hands-on Practice with Python
6 006 déjà inscrits

À propos de ce cours
29 595 consultations récentes
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 1 sur 3 dans le
Niveau intermédiaire
Calculus, Linear algebra, Python
Approx. 40 heures pour terminer
Anglais
Ce que vous allez apprendre
Use modern machine learning tools and python libraries.
Compare logistic regression’s strengths and weaknesses.
Explain how to deal with linearly-inseparable data.
Explain what decision tree is & how it splits nodes.
Compétences que vous acquerrez
- Hyperparameter
- Decision Tree
- ensembling
- sklearn
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 1 sur 3 dans le
Niveau intermédiaire
Calculus, Linear algebra, Python
Approx. 40 heures pour terminer
Anglais
Offert par
Commencez à travailler pour obtenir votre master
Ce cours fait partie du diplôme intégralement en ligne Master of Science in Data Science de Université du Colorado à Boulder.
Si vous êtes admis(e) au programme complet, vos cours sont pris en compte dans votre apprentissage diplômant.
Programme de cours : ce que vous apprendrez dans ce cours
7 heures pour terminer
Introduction to Machine Learning, Linear Regression
7 heures pour terminer
5 vidéos (Total 67 min), 11 lectures, 6 quiz
6 heures pour terminer
Multilinear Regression
6 heures pour terminer
4 vidéos (Total 44 min), 5 lectures, 3 quiz
7 heures pour terminer
Logistic Regression
7 heures pour terminer
4 vidéos (Total 63 min), 6 lectures, 3 quiz
7 heures pour terminer
Non-parametric Models
7 heures pour terminer
5 vidéos (Total 66 min), 6 lectures, 3 quiz
Avis
- 5 stars22,72 %
- 4 stars27,27 %
- 3 stars9,09 %
- 2 stars13,63 %
- 1 star27,27 %
Meilleurs avis pour INTRODUCTION TO MACHINE LEARNING: SUPERVISED LEARNING
par MH20 mai 2022
This was an excellent introductory course that allowed me to get into the world of Data Science and Machine Learning.
À propos du Spécialisation Machine Learning: Theory and Hands-on Practice with Python

Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.