Support Vector Machines with scikit-learn
Understand the theory behind support vector machines
Builld SVM models with scikit-learn to classify linear and non-linear data
Determine the strengths and limitations of SVMs
Develop an SVM-based facial recognition model
In this project, you will learn the functioning and intuition behind a powerful class of supervised linear models known as support vector machines (SVMs). By the end of this project, you will be able to apply SVMs using scikit-learn and Python to your own classification tasks, including building a simple facial recognition model. This course runs on Coursera's hands-on project platform called Rhyme. On Rhyme, you do projects in a hands-on manner in your browser. You will get instant access to pre-configured cloud desktops containing all of the software and data you need for the project. Everything is already set up directly in your internet browser so you can just focus on learning. For this project, you’ll get instant access to a cloud desktop with Python, Jupyter, and scikit-learn pre-installed. Notes: - You will be able to access the cloud desktop 5 times. However, you will be able to access instructions videos as many times as you want. - This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.
Les compétences que vous développerez
- Data Science
- Machine Learning
- Python Programming
- Support Vector Machine (SVM)
- Data Analysis
Apprendrez étape par étape
Votre enseignant(e) vous guidera étape par étape, grâce à une vidéo en écran partagé sur votre espace de travail :
Getting Started
Beyond Linear Discriminative Classifiers
Many Possible Separators
Plotting the Margins
Training an SVM Model
Facial Recognition with SVMs
Preprocessing the data set
Hyperparameter Tuning with Grid-Search Cross Validation
Visualize Test Images
Evaluating the Support Vector Classifier
Comment fonctionnent les Projets Guidés
Votre espace de travail est un bureau cloud situé dans votre navigateur, aucun téléchargement n'est requis.
Votre enseignant(e) vous guide étape par étape dans une vidéo en écran partagé
Avis
Meilleurs avis pour SUPPORT VECTOR MACHINES WITH SCIKIT-LEARN
It might be difficult for some people to understand this course who have zero knowledge of machine learning. Overall the course was good.
Beginner friendly and walks you through most of major steps which are usually done in Machine Learning Projects with SVM. Good course
Learned about SVM. Need t revisit the code and get most out of it.\n\nThings were concise and that is the strength of the course.
This guided project will definitely give you a practical approach to what you have read in SVM. Will definitely worth your time.
Foire Aux Questions
Foire Aux Questions
Que vais-je obtenir si j'achète un Projet Guidé ?
Les Projets Guidés sont-ils disponible sur ordinateur et sur mobile ?
Qui sont les enseignants pour les Projets Guidés ?
Puis-je télécharger le travail depuis mon Projet Guidé une fois que je l'ai terminé ?
Quelle est la politique de remboursement ?
Une aide financière est-elle disponible ?
Puis-je assister au Projet Guidé en tant qu'auditeur libre et regarder une partie de la vidéo gratuitement ?
De quelle expérience ai-je besoin pour réaliser ce Projet Guidé ?
Puis-je terminer ce Projet Guidé directement avec mon navigateur web, au lieu d'installer un logiciel spécial ?
Comment se présente l'expérience d'apprentissage pour les Projets Guidés ?
D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.
Coursera Footer
