이 강좌에 대하여

최근 조회 230,643

학습자 경력 결과

44%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

43%

가 이 강좌를 통해 확실한 경력상 이점을 얻음

18%

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 2번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
완료하는 데 약 22시간 필요
영어

귀하가 습득할 기술

Linear RegressionRidge RegressionLasso (Statistics)Regression Analysis

학습자 경력 결과

44%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

43%

가 이 강좌를 통해 확실한 경력상 이점을 얻음

18%

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 2번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
완료하는 데 약 22시간 필요
영어

제공자:

Placeholder

워싱턴 대학교

강의 계획 - 이 강좌에서 배울 내용

콘텐츠 평가Thumbs Up94%(18,879개의 평가)Info
1

1

완료하는 데 1시간 필요

Welcome

완료하는 데 1시간 필요
5개 동영상 (총 20분), 3 개의 읽기 자료
5개의 동영상
What is the course about?3m
Outlining the first half of the course5m
Outlining the second half of the course5m
Assumed background4m
3개의 읽기 자료
Important Update regarding the Machine Learning Specialization10m
Slides presented in this module10m
Reading: Software tools you'll need10m
완료하는 데 4시간 필요

Simple Linear Regression

완료하는 데 4시간 필요
25개 동영상 (총 122분), 5 개의 읽기 자료, 2 개의 테스트
25개의 동영상
Regression fundamentals: data & model8m
Regression fundamentals: the task2m
Regression ML block diagram4m
The simple linear regression model2m
The cost of using a given line6m
Using the fitted line6m
Interpreting the fitted line6m
Defining our least squares optimization objective3m
Finding maxima or minima analytically7m
Maximizing a 1d function: a worked example2m
Finding the max via hill climbing6m
Finding the min via hill descent3m
Choosing stepsize and convergence criteria6m
Gradients: derivatives in multiple dimensions5m
Gradient descent: multidimensional hill descent6m
Computing the gradient of RSS7m
Approach 1: closed-form solution5m
Approach 2: gradient descent7m
Comparing the approaches1m
Influence of high leverage points: exploring the data4m
Influence of high leverage points: removing Center City7m
Influence of high leverage points: removing high-end towns3m
Asymmetric cost functions3m
A brief recap1m
5개의 읽기 자료
Slides presented in this module10m
Optional reading: worked-out example for closed-form solution10m
Optional reading: worked-out example for gradient descent10m
Download notebooks to follow along10m
Fitting a simple linear regression model on housing data10m
2개 연습문제
Simple Linear Regression30m
Fitting a simple linear regression model on housing data30m
2

2

완료하는 데 4시간 필요

Multiple Regression

완료하는 데 4시간 필요
19개 동영상 (총 87분), 5 개의 읽기 자료, 3 개의 테스트
19개의 동영상
Polynomial regression3m
Modeling seasonality8m
Where we see seasonality3m
Regression with general features of 1 input2m
Motivating the use of multiple inputs4m
Defining notation3m
Regression with features of multiple inputs3m
Interpreting the multiple regression fit7m
Rewriting the single observation model in vector notation6m
Rewriting the model for all observations in matrix notation4m
Computing the cost of a D-dimensional curve9m
Computing the gradient of RSS3m
Approach 1: closed-form solution3m
Discussing the closed-form solution4m
Approach 2: gradient descent2m
Feature-by-feature update9m
Algorithmic summary of gradient descent approach4m
A brief recap1m
5개의 읽기 자료
Slides presented in this module10m
Optional reading: review of matrix algebra10m
Exploring different multiple regression models for house price prediction10m
Numpy tutorial10m
Implementing gradient descent for multiple regression10m
3개 연습문제
Multiple Regression30m
Exploring different multiple regression models for house price prediction30m
Implementing gradient descent for multiple regression30m
3

3

완료하는 데 3시간 필요

Assessing Performance

완료하는 데 3시간 필요
14개 동영상 (총 93분), 2 개의 읽기 자료, 2 개의 테스트
14개의 동영상
What do we mean by "loss"?4m
Training error: assessing loss on the training set7m
Generalization error: what we really want8m
Test error: what we can actually compute4m
Defining overfitting2m
Training/test split1m
Irreducible error and bias6m
Variance and the bias-variance tradeoff6m
Error vs. amount of data6m
Formally defining the 3 sources of error14m
Formally deriving why 3 sources of error20m
Training/validation/test split for model selection, fitting, and assessment7m
A brief recap1m
2개의 읽기 자료
Slides presented in this module10m
Polynomial Regression10m
2개 연습문제
Assessing Performance30m
Exploring the bias-variance tradeoff30m
4

4

완료하는 데 4시간 필요

Ridge Regression

완료하는 데 4시간 필요
16개 동영상 (총 85분), 5 개의 읽기 자료, 3 개의 테스트
16개의 동영상
Overfitting demo7m
Overfitting for more general multiple regression models3m
Balancing fit and magnitude of coefficients7m
The resulting ridge objective and its extreme solutions5m
How ridge regression balances bias and variance1m
Ridge regression demo9m
The ridge coefficient path4m
Computing the gradient of the ridge objective5m
Approach 1: closed-form solution6m
Discussing the closed-form solution5m
Approach 2: gradient descent9m
Selecting tuning parameters via cross validation3m
K-fold cross validation5m
How to handle the intercept6m
A brief recap1m
5개의 읽기 자료
Slides presented in this module10m
Download the notebook and follow along10m
Download the notebook and follow along10m
Observing effects of L2 penalty in polynomial regression10m
Implementing ridge regression via gradient descent10m
3개 연습문제
Ridge Regression30m
Observing effects of L2 penalty in polynomial regression30m
Implementing ridge regression via gradient descent30m

검토

MACHINE LEARNING: REGRESSION의 최상위 리뷰

모든 리뷰 보기

기계 학습 특화 과정 정보

기계 학습

자주 묻는 질문

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.