One of the most common tasks performed by data scientists and data analysts are prediction and machine learning. This course will cover the basic components of building and applying prediction functions with an emphasis on practical applications. The course will provide basic grounding in concepts such as training and tests sets, overfitting, and error rates. The course will also introduce a range of model based and algorithmic machine learning methods including regression, classification trees, Naive Bayes, and random forests. The course will cover the complete process of building prediction functions including data collection, feature creation, algorithms, and evaluation.
존스홉킨스대학교이 강좌에 대하여
최근 조회 62,424회
학습자 경력 결과
37%
가 이 강좌를 수료한 후 새로운 커리어를 시작함
37%
가 이 강좌를 통해 확실한 경력상 이점을 얻음
12%
가 급여 인상 또는 승진 성취
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
유동적 마감일
일정에 따라 마감일을 재설정합니다.
완료하는 데 약 9시간 필요
영어
자막: 아랍어, 프랑스어, 포르투갈어 (유럽), 이탈리아어, 베트남어, 한국어, 독일어, 러시아어, 영어, 스페인어
배울 내용
Use the basic components of building and applying prediction functions
Understand concepts such as training and tests sets, overfitting, and error rates
Describe machine learning methods such as regression or classification trees
Explain the complete process of building prediction functions
귀하가 습득할 기술
Random ForestMachine Learning (ML) AlgorithmsMachine LearningR Programming
학습자 경력 결과
37%
가 이 강좌를 수료한 후 새로운 커리어를 시작함
37%
가 이 강좌를 통해 확실한 경력상 이점을 얻음
12%
가 급여 인상 또는 승진 성취
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
유동적 마감일
일정에 따라 마감일을 재설정합니다.
완료하는 데 약 9시간 필요
영어
자막: 아랍어, 프랑스어, 포르투갈어 (유럽), 이탈리아어, 베트남어, 한국어, 독일어, 러시아어, 영어, 스페인어
제공자:
존스홉킨스대학교
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
강의 계획 - 이 강좌에서 배울 내용
완료하는 데 2시간 필요
Week 1: Prediction, Errors, and Cross Validation
This week will cover prediction, relative importance of steps, errors, and cross validation.
완료하는 데 2시간 필요
9개 동영상 (총 73분), 4 개의 읽기 자료, 1 개의 테스트
완료하는 데 2시간 필요
Week 2: The Caret Package
This week will introduce the caret package, tools for creating features and preprocessing.
완료하는 데 2시간 필요
9개 동영상 (총 96분)
완료하는 데 1시간 필요
Week 3: Predicting with trees, Random Forests, & Model Based Predictions
This week we introduce a number of machine learning algorithms you can use to complete your course project.
완료하는 데 1시간 필요
5개 동영상 (총 48분)
완료하는 데 3시간 필요
Week 4: Regularized Regression and Combining Predictors
This week, we will cover regularized regression and combining predictors.
완료하는 데 3시간 필요
4개 동영상 (총 33분), 2 개의 읽기 자료, 3 개의 테스트
검토
PRACTICAL MACHINE LEARNING의 최상위 리뷰
MR 제공2020년 8월 13일
recommended for all the 21st centuary students who might be intrested to play with data in future or some kind of work related to make predictions systemically must have good knowledge of this course
AD 제공2017년 2월 28일
Issues of every stage of the construction of learning machine model, as well as issues with several different machine learning methods are well and in fine yet very understandable detail explained.
DH 제공2018년 6월 17일
Excellent introduction to basic ML techniques. A lot of material covered in a short period of time! I will definitely seek more advanced training out of the inspiration provided by this class.
AS 제공2017년 8월 30일
Highly recommend this course. It makes you read a lot, do lot's of practical exercises. The final project is a must do. After finishing this course you can start playing with kaggle data sets.
자주 묻는 질문
강의 및 과제를 언제 이용할 수 있게 되나요?
이 전문 분야를 구독하면 무엇을 이용할 수 있나요?
What is the refund policy?
강좌를 수료하면 대학 학점을 받을 수 있나요?
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.
