À propos de ce cours

4,556 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. 9 heures pour terminer
Anglais

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.

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. 9 heures pour terminer
Anglais

Offert par

Placeholder

Université de Californie à San Diego

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1

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
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
2

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
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
3

Semaine 3

2 heures pour terminer

Week 3: Validation and Pipelines

2 heures pour terminer
4 vidéos (Total 24 min)
4 vidéos
“Theorems” About Training, Testing, and Validation8 min
Implementing a Regularization Pipeline in Python5 min
Guidelines on the Implementation of Predictive Pipelines5 min
3 exercices pour s'entraîner
Review: Validation30 min
Review: Predictive Pipelines30 min
Predictive Pipelines20 min
Semaine
4

Semaine 4

2 heures pour terminer

Final Project

2 heures pour terminer
2 lectures
2 lectures
Project Description10 min
Where to Find Datasets10 min

Avis

Meilleurs avis pour MEANINGFUL PREDICTIVE MODELING

Voir tous les avis

À propos du Spécialisation Python Data Products for Predictive Analytics

Python Data Products for Predictive Analytics

Foire Aux Questions

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