À propos de ce cours

467,055 consultations récentes

Résultats de carrière des étudiants

30%

ont commencé une nouvelle carrière après avoir terminé ce cours

30%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours

11%

a obtenu une augmentation de salaire ou une promotion
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. 34 heures pour terminer
Anglais

Ce que vous allez apprendre

  • Describe how machine learning is different than descriptive statistics

  • Create and evaluate data clusters

  • Explain different approaches for creating predictive models

  • Build features that meet analysis needs

Compétences que vous acquerrez

Python ProgrammingMachine Learning (ML) AlgorithmsMachine LearningScikit-Learn

Résultats de carrière des étudiants

30%

ont commencé une nouvelle carrière après avoir terminé ce cours

30%

ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours

11%

a obtenu une augmentation de salaire ou une promotion
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. 34 heures pour terminer
Anglais

Enseignant

Offert par

Placeholder

Université du Michigan

Programme du cours : ce que vous apprendrez dans ce cours

Évaluation du contenuThumbs Up92%(13,903 notes)Info
Semaine
1

Semaine 1

8 heures pour terminer

Module 1: Fundamentals of Machine Learning - Intro to SciKit Learn

8 heures pour terminer
6 vidéos (Total 71 min), 4 lectures, 2 quiz
6 vidéos
Key Concepts in Machine Learning13 min
Python Tools for Machine Learning4 min
An Example Machine Learning Problem12 min
Examining the Data9 min
K-Nearest Neighbors Classification20 min
4 lectures
Course Syllabus10 min
Help us learn more about you!10 min
Notice for Auditing Learners: Assignment Submission10 min
Zachary Lipton: The Foundations of Algorithmic Bias (optional)30 min
1 exercice pour s'entraîner
Module 1 Quiz30 min
Semaine
2

Semaine 2

10 heures pour terminer

Module 2: Supervised Machine Learning - Part 1

10 heures pour terminer
12 vidéos (Total 166 min), 2 lectures, 2 quiz
12 vidéos
Overfitting and Underfitting12 min
Supervised Learning: Datasets4 min
K-Nearest Neighbors: Classification and Regression13 min
Linear Regression: Least-Squares17 min
Linear Regression: Ridge, Lasso, and Polynomial Regression19 min
Logistic Regression12 min
Linear Classifiers: Support Vector Machines13 min
Multi-Class Classification6 min
Kernelized Support Vector Machines18 min
Cross-Validation9 min
Decision Trees19 min
2 lectures
A Few Useful Things to Know about Machine Learning10 min
Ed Yong: Genetic Test for Autism Refuted (optional)10 min
1 exercice pour s'entraîner
Module 2 Quiz30 min
Semaine
3

Semaine 3

7 heures pour terminer

Module 3: Evaluation

7 heures pour terminer
7 vidéos (Total 81 min), 1 lecture, 2 quiz
7 vidéos
Confusion Matrices & Basic Evaluation Metrics12 min
Classifier Decision Functions7 min
Precision-recall and ROC curves6 min
Multi-Class Evaluation13 min
Regression Evaluation6 min
Model Selection: Optimizing Classifiers for Different Evaluation Metrics13 min
1 lecture
Practical Guide to Controlled Experiments on the Web (optional)10 min
1 exercice pour s'entraîner
Module 3 Quiz30 min
Semaine
4

Semaine 4

10 heures pour terminer

Module 4: Supervised Machine Learning - Part 2

10 heures pour terminer
10 vidéos (Total 94 min), 12 lectures, 2 quiz
10 vidéos
Random Forests11 min
Gradient Boosted Decision Trees5 min
Neural Networks19 min
Deep Learning (Optional)7 min
Data Leakage11 min
Introduction4 min
Dimensionality Reduction and Manifold Learning9 min
Clustering14 min
Conclusion2 min
12 lectures
Neural Networks Made Easy (optional)10 min
Play with Neural Networks: TensorFlow Playground (optional)10 min
Deep Learning in a Nutshell: Core Concepts (optional)10 min
Assisting Pathologists in Detecting Cancer with Deep Learning (optional)10 min
The Treachery of Leakage (optional)10 min
Leakage in Data Mining: Formulation, Detection, and Avoidance (optional)10 min
Data Leakage Example: The ICML 2013 Whale Challenge (optional)10 min
Rules of Machine Learning: Best Practices for ML Engineering (optional)10 min
How to Use t-SNE Effectively10 min
How Machines Make Sense of Big Data: an Introduction to Clustering Algorithms10 min
Post-course Survey10 min
Keep Learning with Michigan Online10 min
1 exercice pour s'entraîner
Module 4 Quiz30 min

Avis

Meilleurs avis pour APPLIED MACHINE LEARNING IN PYTHON

Voir tous les avis

À propos du Spécialisation Science des données appliquée avec Python

Science des données appliquée avec Python

Foire Aux Questions

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