4.7
étoiles
268 évaluations

Mark J Grover +1 enseignant de plus

13 565 déjà inscrits

Offert par

Réseau de compétences IBM

À propos de ce cours

85 140 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. 11 heures pour terminer

Anglais

Sous-titres : Français, Portugais (européen), Russe, Anglais, Espagnol

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. 11 heures pour terminer

Anglais

Sous-titres : Français, Portugais (européen), Russe, Anglais, Espagnol

Enseignants

Évaluation de l'enseignant

4,69/5 (99 évaluations)

Mark J Grover

Digital Content Delivery Lead

IBM Data & AI Learning

38 631 étudiants

13 cours

Miguel Maldonado

Machine Learning Curriculum Developer

Data and AI Learning

24 957 étudiants

5 cours

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.

Programme de cours : ce que vous apprendrez dans ce cours

Semaine

Semaine 1

2 heures pour terminer

Introduction to Supervised Machine Learning and Linear Regression

This module introduces a brief overview of supervised machine learning and its main applications: classification and regression. After introducing the concept of regression, you will learn its best practices, as well as how to measure error and select the regression model that best suits your data.

2 heures pour terminer

9 vidéos (Total 77 min), 3 lectures, 3 quiz

9 vidéos

Welcome/Introduction Video1 min

Introduction to Supervised Machine Learning: What is Machine Learning?4 min

Introduction to Supervised Machine Learning: Types of Machine Learning10 min

Supervised Machine Learning for Interpretation and Prediction12 min

Regression and Classification Examples7 min

Introduction to Linear Regression12 min

Linear Regression Demo - Part110 min

Linear Regression Demo - Part211 min

Linear Regression Demo - Part34 min

3 lectures

Course Prerequisites4 min

Linear Regression Demo (Activity)10 min

Summary/Review4 min

3 exercices pour s'entraîner

Check for Understanding15 min

End of Module Quix20 min

Semaine

Semaine 2

4 heures pour terminer

Data Splits and Cross Validation

There are a few best practices to avoid overfitting of your regression models. One of these best practices is splitting your data into training and test sets. Another alternative is to use cross validation. And a third alternative is to introduce polynomial features. This module walks you through the theoretical framework and a few hands-on examples of these best practices.

4 heures pour terminer

12 vidéos (Total 116 min), 3 lectures, 4 quiz

12 vidéos

Training and Test Splits8 min

Training and Test Splits Lab - Part 17 min

Training and Test Splits Lab - Part 216 min

Training and Test Splits Lab - Part 310 min

Training and Test Splits Lab - Part 45 min

Cross Validation11 min

Cross Validation Demo - Part 110 min

Cross Validation Demo - Part 28 min

Cross Validation Demo - Part 311 min

Cross Validation Demo - Part 410 min

Cross Validation Demo - Part 56 min

Polynomial Regression7 min

3 lectures

Training and Test Splits Demo10 min

Cross Validation Demo10 min

Summary/Review4 min

4 exercices pour s'entraîner

Check for Understanding15 min

Check for Understanding30 min

End of Module Quiz15 min

Semaine

Semaine 3

5 heures pour terminer

Regression with Regularization Techniques: Ridge, LASSO, and Elastic Net

This module walks you through the theory and a few hands-on examples of regularization regressions including ridge, LASSO, and elastic net. You will realize the main pros and cons of these techniques, as well as their differences and similarities.

5 heures pour terminer

11 vidéos (Total 126 min), 3 lectures, 3 quiz

11 vidéos

Bias Variance Trade off11 min

Regularization and Model Selection7 min

Ridge Regression8 min

LASSO Regression12 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

Further details of regularization14 min

Details of Regularization - Part 18 min

Details of Regularization - Part 29 min

Details of Regularization - Part 39 min

3 lectures

Polynomial Features and Regularization Demo10 min

Details of Regularization Demo10 min

Summary/Review10 min

2 exercices pour s'entraîner

Check for Understanding15 min

End of Module Quiz15 min

Avis

4.7

58 avis

5 stars
79,43 %
4 stars
15,95 %
3 stars
3,19 %
2 stars
0,70 %
1 star
0,70 %

Meilleurs avis pour SUPERVISED MACHINE LEARNING: REGRESSION

par UV5 juil. 2022

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

par SP10 août 2021

Well structured course. Concepts are explained clearly with hands on exercises.

par MB14 avr. 2021

A well structured course with useful techniques in real life.

par PN6 févr. 2022

really good course, content is rich with good machine learning concepts

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.
What is the refund policy?
If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.

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

Supervised Machine Learning: Regression

À propos de ce cours

Compétences que vous acquerrez