Ce cours fait partie de la Spécialisation Python Data Products for Predictive Analytics

4.4
étoiles
46 évaluations

Julian McAuley +1 enseignant de plus

5 710 déjà inscrits

Offert par

Spécialisation Python Data Products for Predictive AnalyticsUniversité de Californie à San Diego

À propos de ce cours

This course will help us to evaluate and compare the models we have developed in previous courses. So far we have developed techniques for regression and classification, but how low should the error of a classifier be (for example) before we decide that the classifier is "good enough"? Or how do we decide which of two regression algorithms is better?
By the end of this course you will be familiar with diagnostic techniques that allow you to evaluate and compare classifiers, as well as performance measures that can be used in different regression and classification scenarios. We will also study the training/validation/test pipeline, which can be used to ensure that the models you develop will generalize well to new (or "unseen") data.

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 3 sur 4 dans le

Spécialisation Python Data Products for Predictive Analytics

Niveau intermédiaire

Approx. 9 heures pour terminer

Anglais

Votre entreprise pourrait-elle bénéficier de la formation des employés à des compétences recherchées ?

Essayez Coursera pour les affaires

Ce que vous allez apprendre

Understand the definitions of simple error measures (e.g. MSE, accuracy, precision/recall).
Evaluate the performance of regressors / classifiers using the above measures.
Understand the difference between training/testing performance, and generalizability.
Understand techniques to avoid overfitting and achieve good generalization performance.

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 3 sur 4 dans le

Spécialisation Python Data Products for Predictive Analytics

Niveau intermédiaire

Approx. 9 heures pour terminer

Anglais

Votre entreprise pourrait-elle bénéficier de la formation des employés à des compétences recherchées ?

Essayez Coursera pour les affaires

Enseignants

Évaluation de l'enseignant

4,5/5 (7 évaluations)

Julian McAuley

Ilkay Altintas

Chief Data Science Officer

San Diego Supercomputer Center

455 610 étudiants

13 cours

Offert par

Université de Californie à San Diego

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

Programme de cours : ce que vous apprendrez dans ce cours

Semaine

Semaine 1

3 heures pour terminer

Week 1: Diagnostics for Data

3 heures pour terminer

6 vidéos (Total 49 min), 4 lectures, 3 quiz

6 vidéos

Introduction to Course 3: Meaningful Predictive Modeling3 min

Motivation Behind the MSE8 min

Regression Diagnostics: MSE and R²6 min

Over- and Under-Fitting6 min

Classification Diagnostics: Accuracy and Error11 min

Classification Diagnostics: Precision and Recall12 min

4 lectures

Syllabus10 min

Setting Up Your System10 min

(Optional) Additional Resources and Recommended Readings10 min

Course Materials10 min

3 exercices pour s'entraîner

Review: Regression Diagnostics30 min

Review: Classification Diagnostics30 min

Diagnostics for Data30 min

Semaine

Semaine 2

2 heures pour terminer

Week 2: Codebases, Regularization, and Evaluating a Model

2 heures pour terminer

4 vidéos (Total 35 min)

4 vidéos

Setting Up a Codebase for Evaluation and Validation12 min

Model Complexity and Regularization10 min

Adding a Regularizer to our Model, and Evaluating the Regularized Model8 min

Evaluating Classifiers for Ranking4 min

4 exercices pour s'entraîner

Review: Setting Up a Codebase30 min

Review: Regularization5 min

Review: Evaluating a Model5 min

Codebases, Regularization, and Evaluating a Model45 min

Semaine

Semaine 3

2 heures pour terminer

Week 3: Validation and Pipelines

2 heures pour terminer

4 vidéos (Total 24 min)

Semaine

Semaine 4

2 heures pour terminer

Final Project

2 heures pour terminer

2 lectures

Avis

4.4

9 avis

5 stars
58,69 %
4 stars
23,91 %
3 stars
13,04 %
2 stars
4,34 %

Meilleurs avis pour MEANINGFUL PREDICTIVE MODELING

par PT31 mars 2021

The course provided a lot of insights into predictive modeling.

par IS16 nov. 2019

Excellent content, but presentation is a bit challenging at times.

Voir tous les avis

À propos du Spécialisation Python Data Products for Predictive Analytics

Python data products are powering the AI revolution. Top companies like Google, Facebook, and Netflix use predictive analytics to improve the products and services we use every day. Take your Python skills to the next level and learn to make accurate predictions with data-driven systems and deploy machine learning models with this four-course Specialization from UC San Diego.

This Specialization is for learners who are proficient with the basics of Python. You’ll start by creating your first data strategy. You’ll also develop statistical models, devise data-driven workflows, and learn to make meaningful predictions for a wide-range of business and research purposes. Finally, you’ll use design thinking methodology and data science techniques to extract insights from a wide range of data sources. This is your chance to master one of the technology industry’s most in-demand skills. Python Data Products for Predictive Analytics is taught by Professor Ilkay Altintas, Ph.D. and Julian McAuley. Dr. Alintas is a prominent figure in the data science community and the designer of the highly-popular Big Data Specialization on Coursera. She has helped educate hundreds of thousands of learners on how to unlock value from massive datasets.

Python Data Products for Predictive Analytics

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.

Développez les compétences de vos employés, obtenez des résultats commerciaux

Découvrez Coursera pour les affaires

Meaningful Predictive Modeling

À propos de ce cours

Ce que vous allez apprendre