À propos de ce cours

1,033,446 consultations récentes

Résultats de carrière des étudiants

32%

ont commencé une nouvelle carrière après avoir terminé ce cours

30%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
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.
Approx. 15 heures pour terminer
Anglais
Sous-titres : Anglais, Coréen, Vietnamien, Chinois (simplifié)

Compétences que vous acquerrez

Python ProgrammingMachine Learning ConceptsMachine LearningDeep Learning

Résultats de carrière des étudiants

32%

ont commencé une nouvelle carrière après avoir terminé ce cours

30%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
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.
Approx. 15 heures pour terminer
Anglais
Sous-titres : Anglais, Coréen, Vietnamien, Chinois (simplifié)

Offert par

Logo Université de Washington

Université de Washington

Programme du cours : ce que vous apprendrez dans ce cours

Évaluation du contenuThumbs Up93%(46,597 notes)Info
Semaine
1

Semaine 1

3 heures pour terminer

Welcome

3 heures pour terminer
18 vidéos (Total 84 min), 8 lectures, 1 quiz
18 vidéos
Who we are5 min
Machine learning is changing the world3 min
Why a case study approach?7 min
Specialization overview6 min
How we got into ML3 min
Who is this specialization for?4 min
What you'll be able to do57s
The capstone and an example intelligent application6 min
The future of intelligent applications2 min
Starting a Jupyter Notebook5 min
Creating variables in Python7 min
Conditional statements and loops in Python8 min
Creating functions and lambdas in Python3 min
Starting Turi Create & loading an SFrame4 min
Canvas for data visualization4 min
Interacting with columns of an SFrame4 min
Using .apply() for data transformation5 min
8 lectures
Important Update regarding the Machine Learning Specialization10 min
Slides presented in this module10 min
Getting started with Python, Jupyter Notebook, & Turi Create10 min
Where should my files go?10 min
Important changes from previous courses10 min
Download the Jupyter Notebook used in this lesson to follow along10 min
Download the Jupyter Notebook used in this lesson to follow along10 min
Download Wiki People Data10 min
1 exercice pour s'entraîner
SFrames15 min
Semaine
2

Semaine 2

2 heures pour terminer

Regression: Predicting House Prices

2 heures pour terminer
19 vidéos (Total 82 min), 3 lectures, 2 quiz
19 vidéos
What is the goal and how might you naively address it?3 min
Linear Regression: A Model-Based Approach5 min
Adding higher order effects4 min
Evaluating overfitting via training/test split6 min
Training/test curves4 min
Adding other features2 min
Other regression examples3 min
Regression ML block diagram5 min
Loading & exploring house sale data7 min
Splitting the data into training and test sets2 min
Learning a simple regression model to predict house prices from house size3 min
Evaluating error (RMSE) of the simple model2 min
Visualizing predictions of simple model with Matplotlib4 min
Inspecting the model coefficients learned1 min
Exploring other features of the data6 min
Learning a model to predict house prices from more features3 min
Applying learned models to predict price of an average house5 min
Applying learned models to predict price of two fancy houses7 min
3 lectures
Slides presented in this module10 min
Download the Jupyter Notebook used in this lesson to follow along10 min
Predicting house prices assignment10 min
2 exercices pour s'entraîner
Regression18 min
Predicting house prices6 min
Semaine
3

Semaine 3

2 heures pour terminer

Classification: Analyzing Sentiment

2 heures pour terminer
19 vidéos (Total 75 min), 3 lectures, 2 quiz
19 vidéos
What is an intelligent restaurant review system?4 min
Examples of classification tasks4 min
Linear classifiers5 min
Decision boundaries3 min
Training and evaluating a classifier4 min
What's a good accuracy?3 min
False positives, false negatives, and confusion matrices6 min
Learning curves5 min
Class probabilities1 min
Classification ML block diagram3 min
Loading & exploring product review data2 min
Creating the word count vector2 min
Exploring the most popular product4 min
Defining which reviews have positive or negative sentiment4 min
Training a sentiment classifier3 min
Evaluating a classifier & the ROC curve4 min
Applying model to find most positive & negative reviews for a product4 min
Exploring the most positive & negative aspects of a product4 min
3 lectures
Slides presented in this module10 min
Download the Jupyter Notebook used in this lesson to follow along10 min
Analyzing product sentiment assignment10 min
2 exercices pour s'entraîner
Classification14 min
Analyzing product sentiment22 min
Semaine
4

Semaine 4

2 heures pour terminer

Clustering and Similarity: Retrieving Documents

2 heures pour terminer
17 vidéos (Total 76 min), 3 lectures, 2 quiz
17 vidéos
What is the document retrieval task?1 min
Word count representation for measuring similarity6 min
Prioritizing important words with tf-idf3 min
Calculating tf-idf vectors5 min
Retrieving similar documents using nearest neighbor search2 min
Clustering documents task overview2 min
Clustering documents: An unsupervised learning task4 min
k-means: A clustering algorithm3 min
Other examples of clustering6 min
Clustering and similarity ML block diagram7 min
Loading & exploring Wikipedia data5 min
Exploring word counts5 min
Computing & exploring TF-IDFs7 min
Computing distances between Wikipedia articles5 min
Building & exploring a nearest neighbors model for Wikipedia articles3 min
Examples of document retrieval in action4 min
3 lectures
Slides presented in this module10 min
Download the Jupyter Notebook used in this lesson to follow along10 min
Retrieving Wikipedia articles assignment10 min
2 exercices pour s'entraîner
Clustering and Similarity12 min
Retrieving Wikipedia articles18 min

Avis

Meilleurs avis pour MACHINE LEARNING FOUNDATIONS: A CASE STUDY APPROACH

Voir tous les avis

À propos du Spécialisation Apprentissage automatique

This Specialization from leading researchers at the University of Washington introduces you to the exciting, high-demand field of Machine Learning. Through a series of practical case studies, you will gain applied experience in major areas of Machine Learning including Prediction, Classification, Clustering, and Information Retrieval. You will learn to analyze large and complex datasets, create systems that adapt and improve over time, and build intelligent applications that can make predictions from data....
Apprentissage automatique

Foire Aux Questions

  • Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:

    • The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
    • The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
  • 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.

  • Si vous vous abonnez, vous bénéficiez d'une période d'essai gratuite de 7 jours, durant laquelle vous pouvez annuler votre abonnement sans pénalité. Ensuite, nous n'accordons plus de remboursements, mais vous pouvez annuler votre abonnement à tout instant. Consultez notre politique de remboursement complète.

  • 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.

  • 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.