Chevron Left
Machine Learning: Classification(으)로 돌아가기

워싱턴 대학교의 Machine Learning: Classification 학습자 리뷰 및 피드백

4.7
별점
3,672개의 평가

강좌 소개

Case Studies: Analyzing Sentiment & Loan Default Prediction In our case study on analyzing sentiment, you will create models that predict a class (positive/negative sentiment) from input features (text of the reviews, user profile information,...). In our second case study for this course, loan default prediction, you will tackle financial data, and predict when a loan is likely to be risky or safe for the bank. These tasks are an examples of classification, one of the most widely used areas of machine learning, with a broad array of applications, including ad targeting, spam detection, medical diagnosis and image classification. In this course, you will create classifiers that provide state-of-the-art performance on a variety of tasks. You will become familiar with the most successful techniques, which are most widely used in practice, including logistic regression, decision trees and boosting. In addition, you will be able to design and implement the underlying algorithms that can learn these models at scale, using stochastic gradient ascent. You will implement these technique on real-world, large-scale machine learning tasks. You will also address significant tasks you will face in real-world applications of ML, including handling missing data and measuring precision and recall to evaluate a classifier. This course is hands-on, action-packed, and full of visualizations and illustrations of how these techniques will behave on real data. We've also included optional content in every module, covering advanced topics for those who want to go even deeper! Learning Objectives: By the end of this course, you will be able to: -Describe the input and output of a classification model. -Tackle both binary and multiclass classification problems. -Implement a logistic regression model for large-scale classification. -Create a non-linear model using decision trees. -Improve the performance of any model using boosting. -Scale your methods with stochastic gradient ascent. -Describe the underlying decision boundaries. -Build a classification model to predict sentiment in a product review dataset. -Analyze financial data to predict loan defaults. -Use techniques for handling missing data. -Evaluate your models using precision-recall metrics. -Implement these techniques in Python (or in the language of your choice, though Python is highly recommended)....

최상위 리뷰

SM

2020년 6월 14일

A very deep and comprehensive course for learning some of the core fundamentals of Machine Learning. Can get a bit frustrating at times because of numerous assignments :P but a fun thing overall :)

SS

2016년 10월 15일

Hats off to the team who put the course together! Prof Guestrin is a great teacher. The course gave me in-depth knowledge regarding classification and the math and intuition behind it. It was fun!

필터링 기준:

Machine Learning: Classification의 576개 리뷰 중 26~50

교육 기관: Dauren “

2018년 1월 27일

교육 기관: Raj

2017년 4월 1일

교육 기관: Norman O

2018년 2월 19일

교육 기관: Kevin

2019년 8월 7일

교육 기관: Anwarvic

2016년 12월 4일

교육 기관: Mansoor A B

2016년 5월 2일

교육 기관: Willismar M C

2016년 11월 19일

교육 기관: Richard N B A

2016년 3월 9일

교육 기관: Muhammad W K

2019년 8월 19일

교육 기관: Shrikrishna S P

2019년 10월 17일

교육 기관: Saravanan C

2017년 7월 8일

교육 기관: Ashish

2016년 10월 25일

교육 기관: Rajat S B

2016년 6월 13일

교육 기관: Hugo L M

2018년 5월 18일

교육 기관: Abhijit P

2017년 10월 25일

교육 기관: Thomas K R

2018년 10월 29일

교육 기관: Pardha S M

2017년 6월 2일

교육 기관: Andre J

2016년 3월 18일

교육 기관: Phuong N

2017년 12월 19일

교육 기관: Uday A

2017년 6월 14일

교육 기관: ANUBHAB J

2020년 8월 29일

교육 기관: Sundar J D

2016년 4월 23일

교육 기관: Chintamani K

2017년 10월 10일

교육 기관: Rahul G

2017년 5월 6일

교육 기관: Sathiraju E

2018년 11월 28일