- Перегляд програм
Рекомендовані програми
- Блог
Останнє в AulaPro
Udemy в просуванні
- Улюблений
- оцініть цей курс
- Поділіться цим курсом
- Звіт
- Дізнайтеся більше про цей курс
- Список претензій
- Попередня
- наступний
Освітня платформа
Обмежені за часом знижки
ОСНОВНА КАТЕГОРІЯ(И) ЦЬОГО КУРСУ
Подяка за цей курс
Цей курс увійшов до 100 найкращих курсів на Coursera на основі його високих рейтингів і великої кількості рейтингів.
ПРО ЦЕЙ КУРС
У вас є дані і цікаво, що вони можуть вам сказати? Потрібне глибше розуміння основних способів, якими машинне навчання може покращити ваш бізнес? Хочете спілкуватися з фахівцями на будь-які питання: від регресії та класифікації до систем глибокого навчання та рекомендацій? На цьому курсі ви отримаєте практичний досвід машинного навчання через серію практичних прикладів. До кінця першого курсу ви навчитеся прогнозувати ціни на житло на основі
ОПИС
У вас є дані і цікаво, що вони можуть вам сказати? Потрібне глибше розуміння основних способів, якими машинне навчання може покращити ваш бізнес? Хочете спілкуватися з фахівцями на будь-які питання: від регресії та класифікації до систем глибокого навчання та рекомендацій? На цьому курсі ви отримаєте практичний досвід машинного навчання через серію практичних прикладів.
Наприкінці першого курсу ви навчитеся передбачати ціни на житло на основі характеристик домашнього рівня, аналізувати настрої користувачів, отримувати документи, що цікавлять вас, рекомендувати продукти та шукати зображення.
Завдяки практичній практиці з цими сценаріями використання ви зможете застосовувати методи машинного навчання в багатьох областях.
Цей перший курс розглядає метод машинного навчання як чорний ящик.
Використовуючи цю абстракцію, ви зосередьтесь на розумінні завдань, які вас цікавлять, поєднання цих завдань із засобами машинного навчання та оцінки якості результату.
На наступних курсах ви поглибитеся в компоненти цього чорного ящика, досліджуючи моделі та алгоритми.
Разом ці частини утворюють конвеєр машинного навчання, який ви будете використовувати при розробці інтелектуальних додатків.
Результати навчання: Наприкінці цього курсу ви зможете: -Визначити потенційне застосування машинного навчання на практиці.
-Опишіть основні відмінності в аналізах, які забезпечують регресія, класифікація та кластеризація.
- Виберіть відповідне завдання машинного навчання для потенційного застосування.
-Застосовувати регресію, класифікацію, кластеризацію, пошук, рекомендаційні системи та глибоке навчання.
-Представте свої дані як функції, які слугують вхідними для моделей машинного навчання.
-Оцініть якість моделі з точки зору показників помилок, що стосуються кожного завдання.
-Використовуйте набір даних, щоб відповідати моделі для аналізу нових даних.
-Створіть наскрізний додаток, в основі якого використовується машинне навчання.
-Впровадити ці методи в Python.
ХАРАКТЕРИСТИКИ ЦЬОГО КУРСУ
-
Створено:Coursera
-
Позиція 100 найкращих платформних курсів:
52
ЗМІСТ ЦЬОГО КУРСУ
Машинне навчання є скрізь, але воно часто працює за кадром. Цей вступ до спеціалізації ознайомлює вас із можливостями машинного навчання та безліччю інтелектуальних додатків, які ви можете особисто розробити та розгорнути після завершення. Ми також обговорюємо, хто ми, як ми сюди потрапили та наше бачення майбутнього розумних додатків.
Цього тижня ви створите свій перший розумний додаток, який робить прогнози на основі даних. Ми розглянемо цю ідею в контексті нашого першого тематичного дослідження «Прогнозування цін на будинки», де ви створите моделі, які передбачають безперервне значення (ціну) на основі вхідних характеристик (квадрат, кількість спалень і ванних кімнат, ...) . Це лише одне з багатьох місць, де можна застосувати регресію. Інші додатки варіюються від прогнозування наслідків для здоров’я в медицині, цін на акції у фінансах та використання енергії у високопродуктивних обчисленнях до аналізу того, які регулятори важливі для експресії генів. Ви також дізнаєтеся, як проаналізувати продуктивність вашої прогнозної моделі та застосувати регресію на практиці за допомогою ноутбука Jupyter.
Як визначити, позитивно чи негативно ставлення людини до досвіду, просто з короткого огляду, який вона написала? У нашому другому прикладі, аналізуючи настрої, ви створите моделі, які передбачають клас (позитивний/негативний настрій) вхідних функцій (текст огляду, інформація профілю користувача, ...). Це завдання є прикладом класифікації, однієї з найбільш широко використовуваних областей машинного навчання, з широким спектром застосувань, включаючи націлювання реклами, виявлення спаму, медичну діагностику та класифікацію зображень. Ви проаналізуєте точність свого класифікатора, впровадите справжній класифікатор у блокнот Jupyter і вперше випробуєте основний елемент розумного додатка, який ви створите та впровадите у свій завершальний камінь.
Читача цікавить конкретна стаття новин і хоче знайти подібні статті, щоб порекомендувати. Яке правильне поняття подібності? Як я можу автоматично шукати документи, щоб знайти найближчу відповідність? Як я в першу чергу кількісно представляю документи? У цьому третьому прикладі, Retrieving Documents, ви розглянете різні уявлення документів і алгоритм для отримання найбільш схожої підмножини. Ви також розглянете структуровані уявлення документів, які автоматично групують статті за схожістю (наприклад, тема документа). Фактично, це створить розумну систему пошуку документів для записів Вікіпедії в блокноті Jupyter.
Ви коли-небудь замислювалися, як Amazon формує свої персональні рекомендації щодо продуктів? Як Netflix пропонує фільми для перегляду? Як Pandora вибирає наступну пісню для трансляції? Як Facebook або LinkedIn знаходять людей, з якими ви можете спілкуватися? За всіма цими технологіями для персоналізованого вмісту стоїть щось, що називається спільною фільтрацією. Ви дізнаєтеся, як побудувати таку рекомендаційну систему, використовуючи різноманітні методи, і дослідите її компроміси. Один із методів, який ми розглядаємо, — це факторізація матриці, яка вивчає характеристики користувачів і продуктів для формування рекомендацій. У блокноті Jupyter ви будете використовувати ці методи для створення фактичної системи рекомендацій пісень.
Перевага
Основні моменти курсів Coursera
провідні університети
Готуйтеся з дому в найпрестижніших університетах світу.
викладачі з к.т.н
Якість курсів Coursera підтримують її викладачі, які часто є деканами та мають докторські ступені.
Ріст
Більше 85% студентів Coursera повідомляють про кар’єрні переваги, такі як підвищення по службі або підвищення зарплати.
+ 45 мільйонів
Мільйони студентів у всьому світі досягають своїх особистих і професійних цілей за допомогою Coursera.
Coursera пропонує курси від понад 200 провідних університетів і компаній для забезпечення онлайн-навчання по всьому світу. З підпискою на Coursera Plus, ви отримуєте необмежений доступ до понад 90% усіх курсів і найпопулярніших професійних сертифікатів і спеціалізацій на Coursera.
Наука про дані, бізнес і особистий розвиток. Ви можете записатися на кілька курсів одночасно, отримувати необмежену кількість сертифікатів і навчитися затребуваним навичкам роботи, щоб почати, розвиватися і навіть змінити кар’єру.
ДІЗНАЙТЕСЯ, ЯК ОТРИМАТИ НАЙБІЛЬШЕ ТА ЗАКОНОДЖИТИ ПОНАД 500 дол. США ЗА РІЧНОЇ ПІДПИСКИ НА COURSERA PLUS*
*Ви заощаджуєте до 500 доларів США за 12 місяців, коли переходите від 59 доларів США за місячну підписку до річної підписки за акцією. Звичайна річна підписка становить 399 доларів США. За акцією ви заплатите лише 239 доларів США. Дізнайтеся все, натиснувши жовту кнопку.
Дізнайтеся, як:
години)
хв
сек.
реклама
Інші відповідні дані
Емілі Фокс
Рейтинг інструктора 4,7/5 (904 оцінок)Інформація
Професор машинного навчання Amazon
моя особа_додати 410.851 XNUMX XNUMX учнів
мій комп'ютерКурси 6
Часті питання
МЕТОДОЛОГІЯ
РІВЕНЬ НАВЧАННЯ
реклама
ДЕТАЛІ КУРСУ
- ГРАФІК ДОСТАВКИ: Навчайтеся у власному темпі та доступності
- ГОДИНИ ВІДЕО: прибл. На виконання 18 годин
- ЧАС ДОСТУПУ Доступ до вмісту після завершення курсу
Хто розробляє цей курс?
Університет Вашингтона
Університет Вашингтона, заснований у 1861 році, є одним із найстаріших державних вищих навчальних закладів на Західному узбережжі та одним із провідних дослідницьких університетів світу.
НОВИЙ
Додати відгук