Ce cours fait partie de la Spécialisation Machine Learning: Algorithms in the Real World

4.7
étoiles
405 évaluations

Anna Koop

15 189 déjà inscrits

Offert par

Spécialisation Machine Learning: Algorithms in the Real WorldAlberta Machine Intelligence Institute

À propos de ce cours

5 254 consultations récentes

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.

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 2 sur 4 dans le

Spécialisation Machine Learning: Algorithms in the Real World

Approx. 9 heures pour terminer

Anglais

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 2 sur 4 dans le

Spécialisation Machine Learning: Algorithms in the Real World

Approx. 9 heures pour terminer

Anglais

Enseignant

Évaluation de l'enseignant

4,7/5 (74 évaluations)

Anna Koop

Senior Scientific Advisor

Alberta Machine Intelligence Institute, University of Alberta

32 078 étudiants

4 cours

Offert par

Alberta Machine Intelligence Institute

Programme de cours : ce que vous apprendrez dans ce cours

Semaine

Semaine 1

4 heures pour terminer

Classification using Decision Trees and k-NN

Welcome to Supervised Learning, Tip to Tail! This week we'll go over the basics of supervised learning, particularly classification, as well as teach you about two classification algorithms: decision trees and k-NN. You'll get started programming on the platform through Jupyter notebooks and start to familiarize yourself with all the issues that arise when using machine learning for classification.

4 heures pour terminer

8 vidéos (Total 46 min), 4 lectures, 2 quiz

8 vidéos

Introduction to the Course1 min

What does a classifier actually do?5 min

Classification in scikit-learn3 min

What are decision trees?6 min

Generalization and overfitting8 min

Classification using k-nearest neighbours8 min

Distance measures8 min

Weekly summary2 min

4 lectures

Math Review10 min

Scikitlearn documentation for decision trees (Optional)10 min

Scikitlearn documentation for random forests (Optional)10 min

Scikitlearn documentation for k-nearest neighbours (Optional)10 min

2 exercices pour s'entraîner

Supervised Learning Basics

Understanding Classification with Decision Trees and k-NN20 min

Semaine

Semaine 2

2 heures pour terminer

Functions for Fun and Profit

Welcome to the second week of the course! In this week you'll learn all about regression algorithms, the other side of supervised learning. We'll introduce you to the idea of finding lines, optimization criteria, and all the associated issues. Through regression we'll see the interactions between model complexity and accuracy, and you'll get a first taste of how regression and classification might relate.

2 heures pour terminer

9 vidéos (Total 62 min), 1 lecture, 4 quiz

9 vidéos

Line-fitting6 min

Optimal line-fitting8 min

Loss and Convexity7 min

Gradient Descent9 min

Nonlinear features and model complexity6 min

Bias and variance tradeoff6 min

Regularizers5 min

Loss for Classification7 min

Weekly summary4 min

1 lecture

Scikitlearn documentation for linear regression (Optional)10 min

4 exercices pour s'entraîner

Regression Basics

Understanding Model Complexity

From Regression to Classification2 min

The Regression side of Supervised Learning20 min

Semaine

Semaine 3

3 heures pour terminer

Regression for Classification: Support Vector Machines

This week we'll be diving straight in to using regression for classification. We'll describe all the fundamental pieces that make up the support vector machine algorithms, so that you can understand how many seemingly unrelated machine learning algorithms tie together. We'll introduce you to logistic regression, neural networks, and support vector machines, and show you how to implement two of those.

3 heures pour terminer

6 vidéos (Total 34 min), 1 lecture, 2 quiz

Semaine

Semaine 4

1 heure pour terminer

Contrasting Models

Now at the tail end of the course, we're going to go over how to know how well your model is actually performing and what you can do to get even better performance from it. We'll review assessment questions particular to regression and classification, and introduce some other tools that really help you analyze your model performance. The topics covered this week aim to give you confidence in your models, so you're ready to unlock the power of machine learning for your business goals.

1 heure pour terminer

8 vidéos (Total 46 min), 1 lecture, 1 quiz

Avis

4.7

66 avis

5 stars
76,04 %
4 stars
18,51 %
3 stars
3,20 %
2 stars
0,98 %
1 star
1,23 %

Meilleurs avis pour MACHINE LEARNING ALGORITHMS: SUPERVISED LEARNING TIP TO TAIL

par VD31 août 2020

really good, wish it had covered random forest and decision trees and other supervised models as well.

par MJ29 oct. 2019

Great course! I received so much useful information from AMII.

par CW29 sept. 2020

Great course, easy to grasp the main idea of how to assess and tune the performance of question-answering machines learned by machine learning algorithms through data

par RM8 déc. 2020

I found the course to be enough detailed to get clarity on the basic concepts of Supervised learning algorithms. I hope to apply the learning from the course in work!

Voir tous les avis

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.
Une aide financière est-elle possible ?
Oui. Dans certains programmes d’apprentissage, vous pouvez demander une aide financière ou une bourse d’études si vous ne pouvez pas payer les frais d’inscription. Si une aide financière ou une bourse d’études est disponible pour le programme d’apprentissage choisi, vous trouverez un lien pour faire une demande sur la page de description.

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

Machine Learning Algorithms: Supervised Learning Tip to Tail

À propos de ce cours