Bienvenue dans ce cours sous forme de projet sur la logistique avec NumPy et Python. Dans ce projet, vous ferez tout l'apprentissage automatique sans utiliser aucune des bibliothèques d'apprentissage automatique populaires telles que scikit-learn et statsmodels. Le but de ce projet est d'implémenter vous-même tous les mécanismes, y compris la descente de gradient, la fonction de coût et la régression logistique, des différents algorithmes d'apprentissage, afin que vous ayez une compréhension plus profonde des principes fondamentaux. À l'issue de ce projet, vous serez en mesure de construire un modèle de régression logistique à l'aide de Python et NumPy, d'effectuer une analyse exploratoire des données de base et de mettre en œuvre la descente de gradient à partir de zéro. Les prérequis pour ce projet sont une expérience préalable de la programmation en Python et une compréhension de base de la théorie de l'apprentissage automatique. Ce cours se déroule sur la plateforme de projets pratiques de Coursera appelée Rhyme. Sur Rhyme, vous réalisez des projets de manière pratique dans votre navigateur. Vous obtiendrez un accès instantané à des bureaux cloud préconfigurés contenant tous les logiciels et les données dont vous avez besoin pour le projet. Tout est déjà configuré directement dans votre navigateur Internet pour que vous puissiez vous concentrer sur l'apprentissage. Pour ce projet, vous obtiendrez un accès instantané à un bureau cloud avec Python, Jupyter, NumPy et Seaborn préinstallés.
Régression logistique avec NumPy et Python
Instructeur : Snehan Kekre
13 745 déjà inscrits
Inclus avec
(396 avis)
Expérience recommandée
Ce que vous apprendrez
Mettre en œuvre l'algorithme de descente de gradient à partir de zéro
Effectuer une régression logistique avec NumPy et Python
Créer des visualisations des données avec Matplotlib et Seaborn
Compétences que vous pratiquerez
- Catégorie : Analyse des Données
- Catégorie : Seaborn
- Catégorie : Programmation en Python
- Catégorie : Jupyter
- Catégorie : NumPy
- Catégorie : Apprentissage automatique
- Catégorie : Visualisation de Données
- Catégorie : Analyse exploratoire des données (AED)
- Catégorie : Algorithmes
- Catégorie : Science des données
- Catégorie : Apprentissage supervisé
- Catégorie : Matplotlib
Détails à connaître
Ajouter à votre profil LinkedIn
Disponible uniquement sur ordinateur
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Apprendre, pratiquer et appliquer des compétences prêtes à l’emploi en moins de 2 heures
- Bénéficiez d’une formation par des experts du secteur
- Gagnez en expérience pratique en effectuant des tâches professionnelles du monde réel
- Renforcez votre confiance en utilisant les outils et technologies les plus récents
À propos de ce Projet Guidé
Apprendrez étape par étape
Votre enseignant(e) vous guidera étape par étape, grâce à une vidéo en écran partagé sur votre espace de travail :
Introduction et aperçu du projet
Charger les données et importer les bibliothèques
Visualiser les données
Définir la fonction sigmoïde logistique 𝜎(𝑧)
Calculer la fonction de coût 𝐽(𝜃) et le gradient
Coût et gradient à l'initialisation
Mise en œuvre de la Descente de gradient
Tracé de la convergence de 𝐽(𝜃)
Tracer la frontière décisionnelle
Prédictions utilisant les valeurs 𝜃 optimisées
Expérience recommandée
Une expérience préalable de la programmation en Python et de la théorie de l'apprentissage automatique est recommandée.
7 images de projet
Instructeur
Offert par
Méthode d’apprentissage
Apprentissage pratique basé sur les compétences
Mettez en pratique de nouvelles compétences en effectuant des tâches professionnelles.
Conseils d’experts
Suivez les vidéos pré-enregistrées d’experts à l’aide d’une interface unique, divisée en deux.
Aucun téléchargement ou installation requis(e)
Accédez aux outils et aux ressources dont vous avez besoin dans un espace de travail cloud préconfiguré.
Disponible uniquement sur ordinateur de bureau
Ce Projet Guidé est conçu pour les ordinateurs portables ou de bureau disposant d’une connexion internet fiable, et non pour les appareils mobiles.
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
396 avis
- 5 stars
64,89 %
- 4 stars
27,27 %
- 3 stars
5,05 %
- 2 stars
0,75 %
- 1 star
2,02 %
Affichage de 3 sur 396
Révisé le 8 juin 2020
I really enjoyed this course. Thank you for your valuable teaching.
Révisé le 29 août 2020
Very helpful for learning logistic regression without using any libraries. Before taking this project one should have a clear understanding of Logistic Regression, then it will be very helpful
Révisé le 14 juil. 2020
Gain more understanding about LR and gradient descent practically.
Vous aimerez peut-être aussi
Statut : Essai gratuit
Coursera
Statut : Prévisualisation
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
En achetant un Projet Guidé, vous obtenez tout ce dont vous avez besoin pour terminer ce Projet Guidé, y compris l'accès à un espace de travail de bureau cloud, via votre navigateur web, qui contient les fichiers et les logiciels dont vous avez besoin pour commencer, ainsi que les instructions vidéo étape par étape d'un expert en la matière.
Comme votre espace de travail contient un bureau cloud dimensionné pour un ordinateur portable ou de bureau, les Projets Guidés ne sont pas disponibles sur votre appareil mobile.
Les enseignants des Projets Guidés sont des experts en la matière qui ont de l'expérience dans les compétences, les outils ou le domaine de leur projet et qui sont passionnés par le partage de leurs connaissances avec des millions d'étudiants dans le monde.