Statistical experiment design and analytics are at the heart of data science. In this course you will design statistical experiments and analyze the results using modern methods. You will also explore the common pitfalls in interpreting statistical arguments, especially those associated with big data. Collectively, this course will help you internalize a core set of practical and effective machine learning methods and concepts, and apply them to solve some real world problems.
Ce cours fait partie de la Spécialisation Science des données à grande échelle
Offert par
Spécialisation Science des données à grande échelleUniversité de WashingtonÀ propos de ce cours
5,665 consultations récentes
Résultats de carrière des étudiants
25%
ont commencé une nouvelle carrière après avoir terminé ce cours
17%
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.
Cours 2 sur 4 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Approx. 7 heures pour terminer
Anglais
Sous-titres : Français, Portugais (européen), Coréen, Russe, Anglais, Espagnol
Compétences que vous acquerrez
Random ForestPredictive AnalyticsMachine LearningR Programming
Résultats de carrière des étudiants
25%
ont commencé une nouvelle carrière après avoir terminé ce cours
17%
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.
Cours 2 sur 4 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Approx. 7 heures pour terminer
Anglais
Sous-titres : Français, Portugais (européen), Coréen, Russe, Anglais, Espagnol
Offert par
Université de Washington
Founded in 1861, the University of Washington is one of the oldest state-supported institutions of higher education on the West Coast and is one of the preeminent research universities in the world.
Programme du cours : ce que vous apprendrez dans ce cours
2 heures pour terminer
Practical Statistical Inference
Learn the basics of statistical inference, comparing classical methods with resampling methods that allow you to use a simple program to make a rigorous statistical argument. Motivate your study with current topics at the foundations of science: publication bias and reproducibility.
2 heures pour terminer
28 vidéos (Total 121 min)
28 vidéos
Hypothesis Testing5 min
Significance Tests and P-Values3 min
Example: Difference of Means4 min
Deriving the Sampling Distribution6 min
Shuffle Test for Significance4 min
Comparing Classical and Resampling Methods3 min
Bootstrap6 min
Resampling Caveats6 min
Outliers and Rank Transformation3 min
Example: Chi-Squared Test3 min
Bad Science Revisited: Publication Bias4 min
Effect Size4 min
Meta-analysis5 min
Fraud and Benford's Law4 min
Intuition for Benford's Law2 min
Benford's Law Explained Visually3 min
Multiple Hypothesis Testing: Bonferroni and Sidak Corrections3 min
Multiple Hypothesis Testing: False Discovery Rate4 min
Multiple Hypothesis Testing: Benjamini-Hochberg Procedure3 min
Big Data and Spurious Correlations4 min
Spurious Correlations: Stock Price Example3 min
How is Big Data Different?3 min
Bayesian vs. Frequentist4 min
Motivation for Bayesian Approaches3 min
Bayes' Theorem2 min
Applying Bayes' Theorem4 min
Naive Bayes: Spam Filtering4 min
3 heures pour terminer
Supervised Learning
Follow a tour through the important methods, algorithms, and techniques in machine learning. You will learn how these methods build upon each other and can be combined into practical algorithms that perform well on a variety of tasks. Learn how to evaluate machine learning methods and the pitfalls to avoid.
3 heures pour terminer
26 vidéos (Total 111 min), 1 lecture, 1 quiz
26 vidéos
Simple Examples3 min
Structure of a Machine Learning Problem5 min
Classification with Simple Rules5 min
Learning Rules4 min
Rules: Sequential Covering3 min
Rules Recap2 min
From Rules to Trees2 min
Entropy4 min
Measuring Entropy4 min
Using Information Gain to Build Trees6 min
Building Trees: ID3 Algorithm2 min
Building Trees: C.45 Algorithm4 min
Rules and Trees Recap3 min
Overfitting7 min
Evaluation: Leave One Out Cross Validation5 min
Evaluation: Accuracy and ROC Curves5 min
Bootstrap Revisited4 min
Ensembles, Bagging, Boosting4 min
Boosting Walkthrough5 min
Random Forests3 min
Random Forests: Variable Importance5 min
Summary: Trees and Forests2 min
Nearest Neighbor4 min
Nearest Neighbor: Similarity Functions4 min
Nearest Neighbor: Curse of Dimensionality3 min
1 lecture
R Assignment: Classification of Ocean Microbes10 min
1 exercice pour s'entraîner
R Assignment: Classification of Ocean Microbes30 min
1 heure pour terminer
Optimization
You will learn how to optimize a cost function using gradient descent, including popular variants that use randomization and parallelization to improve performance. You will gain an intuition for popular methods used in practice and see how similar they are fundamentally.
1 heure pour terminer
11 vidéos (Total 41 min)
11 vidéos
Gradient Descent Visually4 min
Gradient Descent in Detail2 min
Gradient Descent: Questions to Consider3 min
Intuition for Logistic Regression4 min
Intuition for Support Vector Machines3 min
Support Vector Machine Example3 min
Intuition for Regularization3 min
Intuition for LASSO and Ridge Regression3 min
Stochastic and Batched Gradient Descent5 min
Parallelizing Gradient Descent3 min
1 heure pour terminer
Unsupervised Learning
A brief tour of selected unsupervised learning methods and an opportunity to apply techniques in practice on a real world problem.
1 heure pour terminer
4 vidéos (Total 21 min)
4 vidéos
K-means5 min
DBSCAN4 min
DBSCAN Variable Density and Parallel Algorithms4 min
Avis
Meilleurs avis pour PRACTICAL PREDICTIVE ANALYTICS: MODELS AND METHODS
par NE7 juin 2017
I think the amount of course work to lectures was more appropriate than the first segment. I enjoyed the exercises and felt that they mixed the correct amount of theory and applicaiton.
par SP22 déc. 2016
Fantastic course! Excellent conceptual teaching for people who already know the subject but need some more clarity on how to approach statistical tests and machine learning.
par WK5 juin 2017
Excellent Lectures. Since the course is several years old the organization of some of the assignments needs updating. That's the only reason I gave it 4 instead of 5 stars.
par KP7 févr. 2016
I enjoy this course. The delivery and the course topics were very interesting. I learnt a lot and peer reviewing other people assignments is a great learning opportunity .
À propos du Spécialisation Science des données à grande échelle
Learn scalable data management, evaluate big data technologies, and design effective visualizations.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Quelle est la politique de remboursement ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
