À propos de ce cours
5,941 consultations récentes

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. 14 heures pour terminer

Recommandé : 7 hours/week...

Anglais

Sous-titres : Anglais

Ce que vous allez apprendre

  • Check

    Understand the definitions of simple error measures (e.g. MSE, accuracy, precision/recall).

  • Check

    Evaluate the performance of regressors / classifiers using the above measures.

  • Check

    Understand the difference between training/testing performance, and generalizability.

  • Check

    Understand techniques to avoid overfitting and achieve good generalization performance.

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. 14 heures pour terminer

Recommandé : 7 hours/week...

Anglais

Sous-titres : Anglais

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1
2 heures pour terminer

Week 1: Diagnostics for Data

For this first week, we will go over the syllabus, download all course materials, and get your system up and running for the course. We will also introduce the basics of diagnostics for the results of supervised learning.

...
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 Diagnostics8 min
Review: Classification Diagnostics4 min
Diagnostics for Data30 min
Semaine
2
2 heures pour terminer

Week 2: Codebases, Regularization, and Evaluating a Model

This week, we will learn how to create a simple bag of words for analysis. We will also cover regularization and why it matters when building a model. Lastly, we will evaluate a model with regularization, focusing on classifiers.

...
4 vidéos (Total 35 min), 4 quiz
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 Codebase2 min
Review: Regularization5 min
Review: Evaluating a Model5 min
Codebases, Regularization, and Evaluating a Model45 min
Semaine
3
1 heure pour terminer

Week 3: Validation and Pipelines

This week, we will learn about validation and how to implement it in tandem with training and testing. We will also cover how to implement a regularization pipeline in Python and introduce a few guidelines for best practices.

...
4 vidéos (Total 24 min), 3 quiz
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: Validation4 min
Review: Predictive Pipelines6 min
Predictive Pipelines20 min
Semaine
4
2 heures pour terminer

Final Project

In the final week of this course, you will continue building on the project from the first and second courses of Python Data Products for Predictive Analytics with simple predictive machine learning algorithms. Find a dataset, clean it, and perform basic analyses on the data. Evaluate your model, validate your analyses, and make sure you aren't overfitting the data.

...
2 lectures, 1 quiz
2 lectures
Project Description10 min
Where to Find Datasets10 min

Enseignants

Avatar

Julian McAuley

Assistant Professor
Computer Science
Avatar

Ilkay Altintas

Chief Data Science Officer
San Diego Supercomputer Center

À propos de Université de Californie à San Diego

UC San Diego is an academic powerhouse and economic engine, recognized as one of the top 10 public universities by U.S. News and World Report. Innovation is central to who we are and what we do. Here, students learn that knowledge isn't just acquired in the classroom—life is their laboratory....

À propos de la 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

  • 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.

  • 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.

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