4.7
étoiles
347 évaluations

92 %

Mark J Grover +2 enseignants de plus

17 617 déjà inscrits

Offert par

Réseau de compétences IBM

À propos de ce cours

64 493 consultations récentes

This course introduces you to one of the main types of modelling families of supervised Machine Learning: Regression. You will learn how to train regression models to predict continuous outcomes and how to use error metrics to compare across different models. This course also walks you through best practices, including train and test splits, and regularization techniques.
By the end of this course you should be able to:
Differentiate uses and applications of classification and regression in the context of supervised machine learning 
Describe and use linear regression models
Use a variety of error metrics to compare and select a linear regression model that best suits your data
Articulate why regularization may help prevent overfitting
Use regularization regressions: Ridge, LASSO, and Elastic net
 
Who should take this course?
This course targets aspiring data scientists interested in acquiring hands-on experience  with Supervised Machine Learning Regression techniques in a business setting.
 
What skills should you have?
To make the most out of this course, you should have familiarity with programming on a Python development environment, as well as fundamental understanding of Data Cleaning, Exploratory Data Analysis, Calculus, Linear Algebra, Probability, and Statistics.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Niveau intermédiaire

Approx. 21 heures pour terminer

Anglais

Votre entreprise pourrait-elle bénéficier de la formation des employés à des compétences recherchées ?

Essayez Coursera pour les affaires

Compétences que vous acquerrez

Regression Analysis
Supervised Learning
Linear Regression
Ridge Regression
Machine Learning (ML) Algorithms

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Niveau intermédiaire

Approx. 21 heures pour terminer

Anglais

Votre entreprise pourrait-elle bénéficier de la formation des employés à des compétences recherchées ?

Essayez Coursera pour les affaires

Enseignants

Évaluation de l'enseignant

4,7/5 (110 évaluations)

Offert par

Réseau de compétences IBM

IBM is the global leader in business transformation through an open hybrid cloud platform and AI, serving clients in more than 170 countries around the world. Today 47 of the Fortune 50 Companies rely on the IBM Cloud to run their business, and IBM Watson enterprise AI is hard at work in more than 30,000 engagements. IBM is also one of the world’s most vital corporate research organizations, with 28 consecutive years of patent leadership. Above all, guided by principles for trust and transparency and support for a more inclusive society, IBM is committed to being a responsible technology innovator and a force for good in the world.

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

Programme de cours : ce que vous apprendrez dans ce cours

Évaluation du contenu92%(1,356 évaluations)

Semaine

Semaine 1

4 heures pour terminer

Introduction to Supervised Machine Learning and Linear Regression

4 heures pour terminer

11 vidéos (Total 72 min), 2 lectures, 5 quiz

11 vidéos

Welcome/Introduction Video1 min

Introduction to Supervised Machine Learning - Types of Machine Learning (Part 1)4 min

Introduction to Supervised Machine Learning - Types of Machine Learning (Part 2)5 min

Supervised Machine Learning (Part 1)5 min

Supervised Machine Learning (Part 2)7 min

Regression and Classification Examples7 min

Introduction to Linear Regression (Part 1)7 min

Introduction to Linear Regression (Part 2)5 min

(Optional) Linear Regression Demo - Part110 min

(Optional) Linear Regression Demo - Part211 min

(Optional) Linear Regression Demo - Part34 min

2 lectures

Course Prerequisites5 min

Summary/Review4 min

3 exercices pour s'entraîner

Practice Quiz: Introduction to Supervised Machine Learning10 min

Practice Quiz: Linear Regression10 min

Module 1 Graded Quiz: Introduction to Supervised Machine Learning and Linear Regression 30 min

Semaine

Semaine 2

4 heures pour terminer

Data Splits and Polynomial Regression

4 heures pour terminer

7 vidéos (Total 56 min), 1 lecture, 5 quiz

7 vidéos

Training and Test Splits (Part 1)4 min

Training and Test Splits (Part 2)4 min

(Optional) Training and Test Splits Lab - Part 1 7 min

(Optional) Training and Test Splits Lab - Part 2 16 min

(Optional) Training and Test Splits Lab - Part 310 min

(Optional) Training and Test Splits Lab - Part 45 min

Polynomial Regression7 min

1 lecture

Summary/Review4 min

3 exercices pour s'entraîner

Practice Quiz: Training and Test Splits 10 min

Practice Quiz: Polynomial Regression10 min

Module 2 Graded Quiz: Data Splits and Polynomial Regression30 min

Semaine

Semaine 3

4 heures pour terminer

Cross Validation

4 heures pour terminer

7 vidéos (Total 63 min), 1 lecture, 4 quiz

7 vidéos

Cross Validation (Part 1)7 min

Cross Validation (Part 2)7 min

(Optional) Cross Validation Demo - Part 110 min

(Optional) Cross Validation Demo - Part 28 min

(Optional) Cross Validation Demo - Part 311 min

(Optional) Cross Validation Demo - Part 410 min

(Optional) Cross Validation Demo - Part 56 min

1 lecture

Summary/Review10 min

2 exercices pour s'entraîner

Practice Quiz: Cross Validation10 min

Graded: Module 3 Quiz: Cross Validation30 min

Semaine

Semaine 4

3 heures pour terminer

Bias Variance Trade off and Regularization Techniques: Ridge, LASSO, and Elastic Net

3 heures pour terminer

11 vidéos (Total 87 min), 1 lecture, 4 quiz

11 vidéos

Bias Variance Trade off (Part 1)7 min

Bias Variance Trade off (Part 2)4 min

Regularization and Model Selection7 min

Ridge Regression8 min

LASSO Regression (Part 1)5 min

LASSO Regression (Part 2)3 min

Elastic Net3 min

Recursive Feature Elimination4 min

Polynomial Features and Regularization Demo - Part 120 min

Polynomial Features and Regularization Demo - Part 211 min

Polynomial Features and Regularization Demo - Part 310 min

1 lecture

Summary/Review10 min

3 exercices pour s'entraîner

Practice Quiz: Regularization Techniques10 min

Practice Quiz: Polynomial Features and Regularization10 min

Module 4 Graded Quiz: Bias Variance Trade off and Regularization Techniques: Ridge, LASSO, and Elastic Net30 min

Avis

4.7

77 avis

5 stars
78,79 %
4 stars
16,33 %
3 stars
3,15 %
2 stars
0,85 %
1 star
0,85 %

Meilleurs avis pour SUPERVISED MACHINE LEARNING: REGRESSION

par MK8 nov. 2021

Thank you Coursera.

Thank you IBM.

Thank you to all intructors.

par MK11 août 2022

It was a great learning experience with in-depth knowledge and practice-based demos helped me to understand the concepts easily.

par UV5 juil. 2022

awesome expirence and iam good to go towards an next course thankyou.

par NA27 déc. 2020

Learned really about supervised learning and more importantly regularization and some available methods.

Voir tous les avis

Foire Aux Questions

Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
À quoi ai-je droit si je m'abonne à ce Certificat ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours du Certificat, 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 Étudiants.

Développez les compétences de vos employés, obtenez des résultats commerciaux

Découvrez Coursera pour les affaires

Supervised Machine Learning: Regression

À propos de ce cours

Compétences que vous acquerrez

Enseignants

Mark J Grover

Miguel Maldonado

Svitlana (Lana) Kramar

Offert par

Réseau de compétences IBM

Programme de cours : ce que vous apprendrez dans ce cours

Introduction to Supervised Machine Learning and Linear Regression

Data Splits and Polynomial Regression

Cross Validation

Bias Variance Trade off and Regularization Techniques: Ridge, LASSO, and Elastic Net

Regularization Details

Final Project

Avis

Meilleurs avis pour SUPERVISED MACHINE LEARNING: REGRESSION

Foire Aux Questions

Commencez ou faites progresser votre carrière

Cours et certifications populaires

Collections et articles populaires

Obtenez un diplôme ou un certificat en ligne

Coursera

Communauté

Plus

Supervised Machine Learning: Regression

À propos de ce cours

Compétences que vous acquerrez

Enseignants

Mark J Grover

Miguel Maldonado

Svitlana (Lana) Kramar

Offert par

Réseau de compétences IBM

Programme de cours : ce que vous apprendrez dans ce cours

Introduction to Supervised Machine Learning and Linear Regression

Data Splits and Polynomial Regression

Cross Validation

Bias Variance Trade off and Regularization Techniques: Ridge, LASSO, and Elastic Net

Regularization Details

Final Project

Avis

Meilleurs avis pour SUPERVISED MACHINE LEARNING: REGRESSION

Foire Aux Questions

Coursera Footer

Commencez ou faites progresser votre carrière

Cours et certifications populaires

Collections et articles populaires

Obtenez un diplôme ou un certificat en ligne

Coursera

Communauté

Plus