이 강좌에 대하여

최근 조회 159,748

학습자 경력 결과

46%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

48%

가 이 강좌를 통해 확실한 경력상 이점을 얻음

19%

가 급여 인상 또는 승진 성취
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 4개 강좌 중 3번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
완료하는 데 약 18시간 필요
영어
자막: 영어, 한국어, 아랍어

귀하가 습득할 기술

Logistic RegressionStatistical ClassificationClassification AlgorithmsDecision Tree

학습자 경력 결과

46%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

48%

가 이 강좌를 통해 확실한 경력상 이점을 얻음

19%

가 급여 인상 또는 승진 성취
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 4개 강좌 중 3번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
완료하는 데 약 18시간 필요
영어
자막: 영어, 한국어, 아랍어

제공자:

워싱턴 대학교 로고

워싱턴 대학교

강의 계획 - 이 강좌에서 배울 내용

콘텐츠 평가Thumbs Up94%(9,753개의 평가)Info
1

1

완료하는 데 1시간 필요

Welcome!

완료하는 데 1시간 필요
8개 동영상 (총 27분), 3 개의 읽기 자료
8개의 동영상
What is this course about?6m
Impact of classification1m
Course overview3m
Outline of first half of course5m
Outline of second half of course5m
Assumed background3m
Let's get started!45
3개의 읽기 자료
Important Update regarding the Machine Learning Specialization10m
Slides presented in this module10m
Reading: Software tools you'll need10m
완료하는 데 2시간 필요

Linear Classifiers & Logistic Regression

완료하는 데 2시간 필요
18개 동영상 (총 78분), 2 개의 읽기 자료, 2 개의 테스트
18개의 동영상
Intuition behind linear classifiers3m
Decision boundaries3m
Linear classifier model5m
Effect of coefficient values on decision boundary2m
Using features of the inputs2m
Predicting class probabilities1m
Review of basics of probabilities6m
Review of basics of conditional probabilities8m
Using probabilities in classification2m
Predicting class probabilities with (generalized) linear models5m
The sigmoid (or logistic) link function4m
Logistic regression model5m
Effect of coefficient values on predicted probabilities7m
Overview of learning logistic regression models2m
Encoding categorical inputs4m
Multiclass classification with 1 versus all7m
Recap of logistic regression classifier1m
2개의 읽기 자료
Slides presented in this module10m
Predicting sentiment from product reviews10m
2개 연습문제
Linear Classifiers & Logistic Regression10m
Predicting sentiment from product reviews24m
2

2

완료하는 데 2시간 필요

Learning Linear Classifiers

완료하는 데 2시간 필요
18개 동영상 (총 83분), 2 개의 읽기 자료, 2 개의 테스트
18개의 동영상
Intuition behind maximum likelihood estimation4m
Data likelihood8m
Finding best linear classifier with gradient ascent3m
Review of gradient ascent6m
Learning algorithm for logistic regression3m
Example of computing derivative for logistic regression5m
Interpreting derivative for logistic regression5m
Summary of gradient ascent for logistic regression2m
Choosing step size5m
Careful with step sizes that are too large4m
Rule of thumb for choosing step size3m
(VERY OPTIONAL) Deriving gradient of logistic regression: Log trick4m
(VERY OPTIONAL) Expressing the log-likelihood3m
(VERY OPTIONAL) Deriving probability y=-1 given x2m
(VERY OPTIONAL) Rewriting the log likelihood into a simpler form8m
(VERY OPTIONAL) Deriving gradient of log likelihood8m
Recap of learning logistic regression classifiers1m
2개의 읽기 자료
Slides presented in this module10m
Implementing logistic regression from scratch10m
2개 연습문제
Learning Linear Classifiers12m
Implementing logistic regression from scratch16m
완료하는 데 2시간 필요

Overfitting & Regularization in Logistic Regression

완료하는 데 2시간 필요
13개 동영상 (총 66분), 2 개의 읽기 자료, 2 개의 테스트
13개의 동영상
Review of overfitting in regression3m
Overfitting in classification5m
Visualizing overfitting with high-degree polynomial features3m
Overfitting in classifiers leads to overconfident predictions5m
Visualizing overconfident predictions4m
(OPTIONAL) Another perspecting on overfitting in logistic regression8m
Penalizing large coefficients to mitigate overfitting5m
L2 regularized logistic regression4m
Visualizing effect of L2 regularization in logistic regression5m
Learning L2 regularized logistic regression with gradient ascent7m
Sparse logistic regression with L1 regularization7m
Recap of overfitting & regularization in logistic regression58
2개의 읽기 자료
Slides presented in this module10m
Logistic Regression with L2 regularization10m
2개 연습문제
Overfitting & Regularization in Logistic Regression16m
Logistic Regression with L2 regularization16m
3

3

완료하는 데 2시간 필요

Decision Trees

완료하는 데 2시간 필요
13개 동영상 (총 47분), 3 개의 읽기 자료, 3 개의 테스트
13개의 동영상
Intuition behind decision trees1m
Task of learning decision trees from data3m
Recursive greedy algorithm4m
Learning a decision stump3m
Selecting best feature to split on6m
When to stop recursing4m
Making predictions with decision trees1m
Multiclass classification with decision trees2m
Threshold splits for continuous inputs6m
(OPTIONAL) Picking the best threshold to split on3m
Visualizing decision boundaries5m
Recap of decision trees56
3개의 읽기 자료
Slides presented in this module10m
Identifying safe loans with decision trees10m
Implementing binary decision trees10m
3개 연습문제
Decision Trees22m
Identifying safe loans with decision trees14m
Implementing binary decision trees14m
4

4

완료하는 데 2시간 필요

Preventing Overfitting in Decision Trees

완료하는 데 2시간 필요
8개 동영상 (총 40분), 2 개의 읽기 자료, 2 개의 테스트
8개의 동영상
Overfitting in decision trees5m
Principle of Occam's razor: Learning simpler decision trees5m
Early stopping in learning decision trees6m
(OPTIONAL) Motivating pruning8m
(OPTIONAL) Pruning decision trees to avoid overfitting6m
(OPTIONAL) Tree pruning algorithm3m
Recap of overfitting and regularization in decision trees1m
2개의 읽기 자료
Slides presented in this module10m
Decision Trees in Practice10m
2개 연습문제
Preventing Overfitting in Decision Trees22m
Decision Trees in Practice28m
완료하는 데 1시간 필요

Handling Missing Data

완료하는 데 1시간 필요
6개 동영상 (총 25분), 1 개의 읽기 자료, 1 개의 테스트
6개의 동영상
Strategy 1: Purification by skipping missing data4m
Strategy 2: Purification by imputing missing data4m
Modifying decision trees to handle missing data4m
Feature split selection with missing data5m
Recap of handling missing data1m
1개의 읽기 자료
Slides presented in this module10m
1개 연습문제
Handling Missing Data14m

검토

MACHINE LEARNING: CLASSIFICATION의 최상위 리뷰

모든 리뷰 보기

기계 학습 특화 과정 정보

This Specialization from leading researchers at the University of Washington introduces you to the exciting, high-demand field of Machine Learning. Through a series of practical case studies, you will gain applied experience in major areas of Machine Learning including Prediction, Classification, Clustering, and Information Retrieval. You will learn to analyze large and complex datasets, create systems that adapt and improve over time, and build intelligent applications that can make predictions from data....
기계 학습

자주 묻는 질문

  • Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:

    • The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
    • The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
  • 강좌를 등록하면 전문 분야의 모든 강좌에 접근할 수 있고 강좌를 완료하면 수료증을 취득할 수 있습니다. 전자 수료증이 성취도 페이지에 추가되며 해당 페이지에서 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다. 강좌 내용만 읽고 살펴보려면 해당 강좌를 무료로 청강할 수 있습니다.

  • 구독하는 경우, 취소해도 요금이 청구되지 않는 7일간의 무료 평가판을 이용할 수 있습니다. 해당 기간이 지난 후에는 환불이 되지 않지만, 언제든 구독을 취소할 수 있습니다. 전체 환불 정책 보기.

  • 예, Coursera에서는 수업료를 낼 수 없는 학습자를 위해 재정 지원을 제공합니다. 왼쪽에 있는 등록 버튼 아래 재정 지원 링크를 클릭하면 지원할 수 있습니다. 신청서를 작성하라는 메시지가 표시되며 승인되면 알림을 받습니다. 성취 프로젝트를 포함하여 전문 분야의 각 강좌에서 이 단계를 완료해야 합니다. 자세히 알아보기.

  • 이 강좌는 대학 학점을 제공하지 않지만, 일부 대학에서 선택적으로 강좌 수료증을 학점으로 인정할 수도 있습니다. 자세한 내용은 해당 기관에 문의하세요. Coursera의 온라인 학위Mastertrack™ 수료증은 대학 학점을 취득할 기회를 제공합니다.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.