À propos de ce cours

9,652 consultations récentes
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 63 heures pour terminer
Anglais
Sous-titres : Anglais

Compétences que vous acquerrez

Text AnalysisBasic Time Series AnalysisMachine Learning Model Evaluation and OptimizationPython ProgrammingMachine Learning Modeling
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 63 heures pour terminer
Anglais
Sous-titres : Anglais

Offert par

Placeholder

Université de l'Illinois à Urbana-Champaign

Commencez à travailler pour obtenir votre master

Ce cours fait partie du diplôme intégralement en ligne Master of Science in Accountancy (iMSA) de Université de l'Illinois à Urbana-Champaign. Si vous êtes admis au programme complet, vos cours seront pris en compte dans votre apprentissage diplômant.

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1

Semaine 1

1 heure pour terminer

INTRODUCTION TO THE COURSE

1 heure pour terminer
2 vidéos (Total 9 min), 3 lectures
2 vidéos
About Linden Lu3 min
3 lectures
Syllabus10 min
Glossary10 min
Update Your Profile10 min
8 heures pour terminer

MODULE 1: INTRODUCTION TO MACHINE LEARNING

8 heures pour terminer
4 vidéos (Total 24 min), 1 lecture, 2 quiz
4 vidéos
1.1 Introduction to Machine Learning6 min
1.2 Introduction to Data Preprocessing10 min
1.3 Introduction to Machine Learning Algorithms3 min
1 lecture
Module 1 Overview and Resources10 min
1 exercice pour s'entraîner
Module 1 Quiz20 min
Semaine
2

Semaine 2

8 heures pour terminer

MODULE 2: FUNDAMENTAL ALGORITHMS I

8 heures pour terminer
4 vidéos (Total 31 min), 1 lecture, 2 quiz
4 vidéos
2.1 Introduction to Linear Regression12 min
2.2 Introduction to Logistic Regression8 min
2.3 Introduction to Decision Tree6 min
1 lecture
Module 2 Overview and Resources10 min
1 exercice pour s'entraîner
Module 2 Quiz20 min
Semaine
3

Semaine 3

8 heures pour terminer

MODULE 3: Fundamental Algorithms II

8 heures pour terminer
4 vidéos (Total 15 min), 1 lecture, 2 quiz
4 vidéos
3.1 Introduction to K-nearest Neighbors5 min
3.2 Introduction to Support Vector Machine4 min
3.3 Introduction to Bagging and Random Forest3 min
1 lecture
Module 3 Overview and Resources10 min
1 exercice pour s'entraîner
Module 3 Quiz20 min
Semaine
4

Semaine 4

8 heures pour terminer

MODULE 4: MODEL EVALUATION

8 heures pour terminer
4 vidéos (Total 31 min), 1 lecture, 2 quiz
4 vidéos
4.1 Regressive Evaluation Metrics8 min
4.2 Classification Evaluation Metrics I13 min
4.3 Classification Evaluation Metrics II7 min
1 lecture
Module 4 Overview and Resources10 min
1 exercice pour s'entraîner
Module 4 Quiz20 min

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.