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.
Offert par
Spécialisation Machine Learning: Algorithms in the Real WorldAlberta Machine Intelligence InstituteÀ propos de ce cours
32,523 consultations récentes
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 1 sur 4 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 7 heures pour terminer
Anglais
Sous-titres : Français, Portugais (brésilien), Russe, Anglais, Espagnol
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 1 sur 4 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 7 heures pour terminer
Anglais
Sous-titres : Français, Portugais (brésilien), Russe, Anglais, Espagnol
Offert par
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
Programme du cours : ce que vous apprendrez dans ce cours
3 heures pour terminer
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.
3 heures pour terminer
12 vidéos (Total 44 min), 6 lectures, 2 quiz
12 vidéos
Instructor Introduction1 min
Introduction to Course 12 min
What is Artificial Intelligence and Machine Learning?5 min
What about Data Science?3 min
The Machine Learning Process4 min
The Three Kinds of Machine Learning3 min
Classification: What is it and how does it work?3 min
Regression: Fitting lines and predicting numbers3 min
Unsupervised Learning4 min
Reinforcement Learning6 min
Weekly Summary1 min
6 lectures
What about Deep Learning? (supplemental)10 min
Fooling Neural Networks (supplemental)10 min
How to Curate A Ground Truth For Your Business Dataset (Required)10 min
Learning From Multiple Annotators: A Survey (supplemental)10 min
Inferring the Ground Truth Through Crowdsourcing (supplemental)10 min
Semi Supervised Learning (required)10 min
2 exercices pour s'entraîner
Concepts and Definitions20 min
Identifying Machine Learning Techniques10 min
2 heures pour terminer
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!
2 heures pour terminer
8 vidéos (Total 34 min), 4 lectures, 1 quiz
8 vidéos
Features and transformations of raw data6 min
Farmer Betty and Her Precision Agriculture Plans3 min
What to consider when using your QuAM2 min
Broad Examples Narrowed Down4 min
Identify Business Evaluation4 min
Everything is a Proxy4 min
Weekly Summary2 min
4 lectures
A Brief Introduction into Precision Agriculture10 min
Farmer Betty Tried Unsupervised Learning (required)10 min
Data is Central to Your ML Problem (required)10 min
Martin Zinkevich's Rules for ML (supplemental)10 min
1 exercice pour s'entraîner
Machine Learning in the Real World Review
1 heure pour terminer
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.
1 heure pour terminer
9 vidéos (Total 34 min), 2 lectures, 1 quiz
9 vidéos
How Much Data Do I Need?4 min
Ethical Issues4 min
Bias in Data Sources3 min
Noise and Sources of Randomness5 min
Image Classification Example3 min
Data Cleaning: Everybody's favourite task4 min
Why you need to set up a Data Pipeline4 min
Weekly Summary1 min
2 lectures
Data Protection Laws (required)10 min
Government readings on data privacy (supplemental)10 min
1 exercice pour s'entraîner
Understanding Data for ML
1 heure pour terminer
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.
1 heure pour terminer
7 vidéos (Total 35 min), 2 lectures, 1 quiz
7 vidéos
MLPL Overview5 min
MLPL as experienced by Farmer Betty3 min
Exploring the process of problem definition7 min
Assessing your QuAM for use in your Business6 min
Technically Assessing the Strength of your QuAM6 min
Different Kinds of Wrong4 min
Weekly Summary2 min
2 lectures
Machine Learning Process Lifecycle Explained10 min
Deep Learning for Identifying Metastatic Breast Cancer (advanced supplemental)10 min
1 exercice pour s'entraîner
Understanding Machine Learning Projects
Avis
Meilleurs avis pour INTRODUCTION TO APPLIED MACHINE LEARNING
par SR8 oct. 2020
I have been teaching Machine Learning for some time now. This course is really good and comprehensively presents the working of machine learning process in a nutshell. Very good introductory course.
par MM28 oct. 2019
I have really got benefit from this course as a beginner to ML, it gives me the best understanding of ML. I m looking forward to getting into it more efficiently with more practices.
par HL21 juin 2020
An excellent introduction to the fascinating world of machine learning and its endless applications. Loved the emphasis on the evaluation of the business prospect of ML as well.
par AA11 sept. 2019
very comprehensive course on applied machine learning. the most interesting information in this course is business needs for ML and what it's requirement to have a good QuAM.
À propos du Spécialisation Machine Learning: Algorithms in the Real World
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.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
- Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
- Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
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.
Is financial aid available?
Oui, Coursera offre une Aide Financière aux étudiants qui n'ont pas les moyens d'acquitter les frais. Demandez-la en cliquant sur le lien Aide Financière sous le bouton S'inscrire situé à gauche. Vous devrez remplir un formulaire de demande et vous serez averti(e) si elle est acceptée. Vous devrez répéter cette procédure pour chaque cours de la Spécialisation, y compris pour le Projet Final. En savoir plus.
Puis-je obtenir des crédits universitaires si je réussis le Cours ?
Ce Cours n'est pas associé à des crédits universitaires, mais certaines universités peuvent décider d'accepter des Certificats de Cours pour des crédits. Vérifiez-le auprès de votre établissement pour en savoir plus. Les Diplômes en ligne et les Certificats Mastertrack™ sur Coursera apportent la possibilité d'obtenir des crédits universitaires.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
