이 강좌에 대하여

최근 조회 718,382

학습자 경력 결과

32%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

30%

가 이 강좌를 통해 확실한 경력상 이점을 얻음
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 4개 강좌 중 1번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
완료하는 데 약 18시간 필요
영어

귀하가 습득할 기술

Python ProgrammingMachine Learning ConceptsMachine LearningDeep Learning

학습자 경력 결과

32%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

30%

가 이 강좌를 통해 확실한 경력상 이점을 얻음
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 4개 강좌 중 1번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
완료하는 데 약 18시간 필요
영어

제공자:

Placeholder

워싱턴 대학교

강의 계획 - 이 강좌에서 배울 내용

콘텐츠 평가Thumbs Up93%(49,294개의 평가)Info
1

1

완료하는 데 3시간 필요

Welcome

완료하는 데 3시간 필요
18개 동영상 (총 84분), 8 개의 읽기 자료, 1 개의 테스트
18개의 동영상
Who we are5m
Machine learning is changing the world3m
Why a case study approach?7m
Specialization overview6m
How we got into ML3m
Who is this specialization for?4m
What you'll be able to do57
The capstone and an example intelligent application6m
The future of intelligent applications2m
Starting a Jupyter Notebook5m
Creating variables in Python7m
Conditional statements and loops in Python8m
Creating functions and lambdas in Python3m
Starting Turi Create & loading an SFrame4m
Canvas for data visualization4m
Interacting with columns of an SFrame4m
Using .apply() for data transformation5m
8개의 읽기 자료
Important Update regarding the Machine Learning Specialization10m
Slides presented in this module10m
Getting started with Python, Jupyter Notebook, & Turi Create10m
Where should my files go?10m
Important changes from previous courses10m
Download the Jupyter Notebook used in this lesson to follow along10m
Download the Jupyter Notebook used in this lesson to follow along10m
Download Wiki People Data10m
1개 연습문제
SFrames15m
2

2

완료하는 데 3시간 필요

Regression: Predicting House Prices

완료하는 데 3시간 필요
19개 동영상 (총 82분), 3 개의 읽기 자료, 2 개의 테스트
19개의 동영상
What is the goal and how might you naively address it?3m
Linear Regression: A Model-Based Approach5m
Adding higher order effects4m
Evaluating overfitting via training/test split6m
Training/test curves4m
Adding other features2m
Other regression examples3m
Regression ML block diagram5m
Loading & exploring house sale data7m
Splitting the data into training and test sets2m
Learning a simple regression model to predict house prices from house size3m
Evaluating error (RMSE) of the simple model2m
Visualizing predictions of simple model with Matplotlib4m
Inspecting the model coefficients learned1m
Exploring other features of the data6m
Learning a model to predict house prices from more features3m
Applying learned models to predict price of an average house5m
Applying learned models to predict price of two fancy houses7m
3개의 읽기 자료
Slides presented in this module10m
Download the Jupyter Notebook used in this lesson to follow along10m
Predicting house prices assignment10m
2개 연습문제
Regression30m
Predicting house prices30m
3

3

완료하는 데 3시간 필요

Classification: Analyzing Sentiment

완료하는 데 3시간 필요
19개 동영상 (총 75분), 3 개의 읽기 자료, 2 개의 테스트
19개의 동영상
What is an intelligent restaurant review system?4m
Examples of classification tasks4m
Linear classifiers5m
Decision boundaries3m
Training and evaluating a classifier4m
What's a good accuracy?3m
False positives, false negatives, and confusion matrices6m
Learning curves5m
Class probabilities1m
Classification ML block diagram3m
Loading & exploring product review data2m
Creating the word count vector2m
Exploring the most popular product4m
Defining which reviews have positive or negative sentiment4m
Training a sentiment classifier3m
Evaluating a classifier & the ROC curve4m
Applying model to find most positive & negative reviews for a product4m
Exploring the most positive & negative aspects of a product4m
3개의 읽기 자료
Slides presented in this module10m
Download the Jupyter Notebook used in this lesson to follow along10m
Analyzing product sentiment assignment10m
2개 연습문제
Classification30m
Analyzing product sentiment30m
4

4

완료하는 데 3시간 필요

Clustering and Similarity: Retrieving Documents

완료하는 데 3시간 필요
17개 동영상 (총 76분), 3 개의 읽기 자료, 2 개의 테스트
17개의 동영상
What is the document retrieval task?1m
Word count representation for measuring similarity6m
Prioritizing important words with tf-idf3m
Calculating tf-idf vectors5m
Retrieving similar documents using nearest neighbor search2m
Clustering documents task overview2m
Clustering documents: An unsupervised learning task4m
k-means: A clustering algorithm3m
Other examples of clustering6m
Clustering and similarity ML block diagram7m
Loading & exploring Wikipedia data5m
Exploring word counts5m
Computing & exploring TF-IDFs7m
Computing distances between Wikipedia articles5m
Building & exploring a nearest neighbors model for Wikipedia articles3m
Examples of document retrieval in action4m
3개의 읽기 자료
Slides presented in this module10m
Download the Jupyter Notebook used in this lesson to follow along10m
Retrieving Wikipedia articles assignment10m
2개 연습문제
Clustering and Similarity30m
Retrieving Wikipedia articles30m

검토

MACHINE LEARNING FOUNDATIONS: A CASE STUDY APPROACH의 최상위 리뷰

모든 리뷰 보기

기계 학습 특화 과정 정보

기계 학습

자주 묻는 질문

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.