AulaPro verwendet Cookies, um seinen Benutzern ein besseres Erlebnis zu bieten. Sie können weitere Informationen erhalten hier, oder klicken Sie einfach auf "Ich akzeptiere" oder außerhalb dieses Hinweises, um weiter zu surfen.
Dieser Kurs wurde aufgrund seiner hohen Bewertungen und der großen Anzahl von Bewertungen unter die Top 100 der besten Kurse auf Coursera eingestuft.
Dieser Kurs führt den Studenten in das angewandte maschinelle Lernen ein und konzentriert sich mehr auf die Techniken und Methoden als auf die Statistiken hinter diesen Methoden. Der Kurs beginnt mit einer Diskussion darüber, wie sich maschinelles Lernen von deskriptiver Statistik unterscheidet, und stellt das Scikit-Lern-Toolkit in einem Tutorial vor. Die Frage der Datendimensionalität wird diskutiert und die Aufgabe der Gruppierung von Daten sowie die Bewertung dieser Gruppen behandelt. Überwachte Herangehensweisen an das Schaffen
Dieser Kurs führt den Studenten in das angewandte maschinelle Lernen ein und konzentriert sich dabei mehr auf die Techniken und Methoden als auf die Statistiken, die diesen Methoden zugrunde liegen.
Der Kurs beginnt mit einer Diskussion darüber, wie sich maschinelles Lernen von deskriptiver Statistik unterscheidet, und stellt das Scikit-Learn-Toolkit anhand eines Tutorials vor.
Die Frage der Datendimensionalität wird diskutiert und die Aufgabe der Gruppierung von Daten sowie die Bewertung dieser Gruppen behandelt.
Es werden überwachte Ansätze zum Erstellen von Vorhersagemodellen beschrieben, und die Schüler werden in der Lage sein, Vorhersagemodellierungsmethoden von Scikit Learn anzuwenden und gleichzeitig Prozessprobleme im Zusammenhang mit der Datenverallgemeinerung (z. B. Kreuzvalidierung, Überanpassung) zu verstehen.
Der Kurs endet mit einem Blick auf fortgeschrittenere Techniken, wie z. B. Ensemble-Konstruktion, und die praktischen Grenzen von Vorhersagemodellen.
Am Ende dieses Kurses sind die Teilnehmer in der Lage, den Unterschied zwischen einer überwachten (Klassifizierung) und einer nicht überwachten (Clustering) Technik zu erkennen, zu erkennen, welche Technik sie für einen bestimmten Datensatz und Bedarf anwenden müssen, und Funktionen zu entwerfen, um diese Anforderungen zu erfüllen , und schreiben Sie Python-Code, um eine Analyse durchzuführen.
Dieser Kurs sollte nach Introduction to Data Science in Python und Applied Data Plotting, Graphing, and Representation in Python und vor Applied Text Mining in Python und Applied Social Analytics in Python belegt werden.
91
Dieses Modul stellt grundlegende Konzepte, Aufgaben und Arbeitsabläufe des maschinellen Lernens anhand eines beispielhaften Klassifizierungsproblems vor, das auf der K-nächsten-Nachbarn-Methode basiert und mit der scikit-learn-Bibliothek implementiert wird.
Dieses Modul befasst sich mit einer größeren Vielfalt überwachter Lernmethoden für die Klassifizierung und Regression, lernt den Zusammenhang zwischen Modellkomplexität und Generalisierungsleistung, die Bedeutung der richtigen Merkmalsskalierung und die Steuerung der Modellkomplexität mithilfe von Modellkomplexitätstechniken wie Regularisierung um eine Überanpassung zu vermeiden. Neben k-nächsten Nachbarn behandelt diese Woche lineare Regression (kleinste Quadrate, Grat, Lasso und Polynomregression), logistische Regression, Support-Vektor-Maschinen, die Verwendung von Kreuzvalidierung für die Modellbewertung und Entscheidungsbäume.
In diesem Modul werden Methoden zur Modellauswahl und -bewertung behandelt, mit denen Sie die Leistung Ihrer Modelle für maschinelles Lernen verstehen und optimieren können.
Dieses Modul behandelt fortgeschrittenere überwachte Lernmethoden, einschließlich Ensemble-Bäume (Random Forests, Gradientenbetriebene Bäume) und neuronale Netze (mit einem optionalen Überblick über Deep Learning). Sie lernen auch das kritische Problem des Datenlecks beim maschinellen Lernen kennen und erfahren, wie Sie es erkennen und vermeiden können.
Bereiten Sie sich von zu Hause aus mit den renommiertesten Universitäten der Welt vor.
Die Qualität der Coursera-Kurse wird von seinen Dozenten unterstützt, die oft promovierte Dekane sind.
Mehr als 85 % der Coursera-Studenten berichten von Karrierevorteilen wie Beförderungen oder Gehaltserhöhungen.
Millionen von Studenten auf der ganzen Welt erreichen ihre persönlichen und beruflichen Ziele mit Coursera.
Coursera bietet Kurse von über 200 führenden Universitäten und Unternehmen an, um Online-Lernen auf der ganzen Welt anzubieten. Mit einem Coursera Plus-Abonnement, Sie erhalten unbegrenzten Zugriff auf über 90 % aller Kurse und die beliebtesten beruflichen Zertifikate und Spezialisierungen auf Coursera.
Data Science, Geschäfts- und Persönlichkeitsentwicklung. Sie können sich für mehrere Kurse gleichzeitig anmelden, unbegrenzt viele Zertifikate erwerben und sich gefragte berufliche Fähigkeiten aneignen, um Karrieren zu beginnen, zu wachsen und sogar zu wechseln.
ENTDECKEN SIE, WIE SIE DAS MEISTE ERHALTEN UND ÜBER 500 USD SPAREN MIT EINEM JAHRESABONNEMENT VON COURSERA PLUS*
*Sie sparen bis zu 500 USD in 12 Monaten, wenn Sie mit der Aktion von 59 USD für ein monatliches Abonnement zu einem Jahresabonnement wechseln. Das normale Jahresabonnement beträgt 399 USD. Mit der Aktion zahlen Sie nur 299 USD. Erfahren Sie alles, indem Sie auf den gelben Button klicken.
Associate Professor
meine person_add 234.428 Studierende
mein Computer3 Kurse
Die Mission der University of Michigan ist es, den Menschen in Michigan und der Welt durch Vorrangstellung bei der Schaffung, Kommunikation, Bewahrung und Anwendung von wissenschaftlichem Wissen, Kunst und Werten sowie bei der Entwicklung von Führern und Bürgern zu dienen, die sie herausfordern werden Gegenwart und bereichern die Zukunft. .
Hallo, wie kann ich Ihnen helfen? Interessieren Sie sich für einen Kurs? Zu welchem Thema?
AulaPro verwendet Cookies, um seinen Benutzern ein besseres Erlebnis zu bieten. Sie können weitere Informationen erhalten hier, oder klicken Sie einfach auf "Ich akzeptiere" oder außerhalb dieses Hinweises, um weiter zu surfen.
Eine Bewertung hinzufügen