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.
Ce cours fait partie de la Spécialisation Machine Learning: Algorithms in the Real World
Introduction to Applied Machine Learning
proposé par
- Data Scientists
- Machine Learning Engineers
- Chief Technology Officers (CTOs)
- Vice Presidents
- Entrepreneurs
Programme du cours : ce que vous apprendrez dans ce cours
Introduction to Machine Learning Applications
This week, you will learn about what machine learning (ML) actually is, contrast different problem scenarios, and explore some common misconceptions about ML. You will apply this knowledge by identifying different components essential to a machine learning business solution.
Machine Learning in the Real World
This week, you will learn how to translate a business need into a machine learning problem. We'll walk through some applied examples so you can get a feel for what makes a well-defined question for your QuAM. Narrowing down your question and making sure you have the data necessary to learn is critical to ML success!
Learning Data
This week is all about data. You will learn about data acquisition and understand the various sources of training data. We'll talk about how much data you need and what pitfalls might arise, including ethical issues.
Machine Learning Projects
This week you will learn about the Machine Learning Process Lifecycle (MLPL). After understanding the definitions and components of the MLPL you will analyze the application of the MLPL on a case study.
Principaux examens pour Introduction to Applied Machine Learning
Anna Koop has a very engaging onscreen personality that makes it easy to follow her explanations of machine learning.
v\n\ne\n\nr\n\ny\n\ng\n\no\n\no\n\nd\n\ni\n\nn\n\nt\n\nr\n\no\n\nd\n\nu\n\nc\n\nt\n\ni\n\no\n\nn
Enseignant
Anna Koop
Senior Scientific AdvisorÀ propos de Alberta Machine Intelligence Institute
À propos du Spécialisation Machine Learning: Algorithms in the Real World
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
