Alberta Machine Intelligence Institute
机器学习算法:监督学习从头到尾
Alberta Machine Intelligence Institute

机器学习算法:监督学习从头到尾

Anna Koop

位教师:Anna Koop

17,679 人已注册

包含在 Coursera Plus

深入了解一个主题并学习基础知识。
4.7

(415 条评论)

9 小时 完成
灵活的计划
自行安排学习进度
95%
大多数学生喜欢此课程
深入了解一个主题并学习基础知识。
4.7

(415 条评论)

9 小时 完成
灵活的计划
自行安排学习进度
95%
大多数学生喜欢此课程

要了解的详细信息

可分享的证书

添加到您的领英档案

作业

9 项作业

授课语言:英语(English)

了解顶级公司的员工如何掌握热门技能

Petrobras, TATA, Danone, Capgemini, P&G 和 L'Oreal 的徽标

积累特定领域的专业知识

本课程是 机器学习真实世界中的算法 专项课程 专项课程的一部分
在注册此课程时,您还会同时注册此专项课程。
  • 向行业专家学习新概念
  • 获得对主题或工具的基础理解
  • 通过实践项目培养工作相关技能
  • 获得可共享的职业证书

该课程共有4个模块

欢迎收看《监督学习,从头到尾》!本周我们将介绍监督学习的基础知识,尤其是分类,并教您两种分类算法:决策树和 K-NN。您将通过 Jupyter 笔记本在平台上开始编程,并开始熟悉使用机器学习进行分类时出现的所有问题。

涵盖的内容

8个视频4篇阅读材料2个作业2个非评分实验室

欢迎来到课程的第二周!在本周,您将学习回归算法的全部内容,这是监督学习的另一面。我们将向你介绍找线的概念、优化标准以及所有相关问题。通过回归,我们将看到模型复杂性和准确性之间的相互作用,您将初步了解回归和分类之间的关系。

涵盖的内容

9个视频1篇阅读材料4个作业

本周,我们将直接深入使用回归进行分类。我们将介绍构成支持向量机算法的所有基本部分,这样你就能理解许多看似不相关的机器学习算法是如何联系在一起的。我们将向你介绍逻辑回归、神经网络和支持向量机,并向你展示如何实现其中的两种算法。

涵盖的内容

6个视频1篇阅读材料2个作业2个非评分实验室

现在,在课程的尾声,我们将介绍如何了解模型的实际性能,以及如何才能使模型获得更好的性能。我们将回顾回归和分类的特定评估问题,并介绍一些真正能帮助您分析模型性能的其他工具。本周涉及的主题旨在让您对自己的模型充满信心,从而为实现业务目标释放机器学习的力量。

涵盖的内容

8个视频1篇阅读材料1个作业1个非评分实验室

获得职业证书

将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。

位教师

授课教师评分
4.7 (78个评价)
Anna Koop
Alberta Machine Intelligence Institute
5 门课程39,800 名学生

提供方

从 机器学习 浏览更多内容

人们为什么选择 Coursera 来帮助自己实现职业发展

Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情,我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程,Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好:它远不止于此。Coursera 让我无限制地学习。'

学生评论

4.7

415 条评论

  • 5 stars

    75.90%

  • 4 stars

    18.55%

  • 3 stars

    3.13%

  • 2 stars

    1.20%

  • 1 star

    1.20%

显示 3/415 个

M
5

已于 Jun 22, 2020审阅

NA
4

已于 May 6, 2020审阅

CW
5

已于 Sep 29, 2020审阅

Coursera Plus

通过 Coursera Plus 开启新生涯

无限制访问 10,000+ 世界一流的课程、实践项目和就业就绪证书课程 - 所有这些都包含在您的订阅中

通过在线学位推动您的职业生涯

获取世界一流大学的学位 - 100% 在线

加入超过 3400 家选择 Coursera for Business 的全球公司

提升员工的技能,使其在数字经济中脱颖而出

常见问题