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 92,462회
학습자 경력 결과
38%
가 이 강좌를 수료한 후 새로운 커리어를 시작함
38%
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 8시간 필요
영어
자막: 영어, 한국어
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
38%
가 이 강좌를 수료한 후 새로운 커리어를 시작함
38%
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 8시간 필요
영어
자막: 영어, 한국어
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
9개의 동영상
What is prediction?8m
Relative importance of steps9m
In and out of sample errors6m
Prediction study design9m
Types of errors10m
Receiver Operating Characteristic5m
Cross validation8m
What data should you use?6m
4개의 읽기 자료
Welcome to Practical Machine Learning10m
A Note of Explanation2m
Syllabus10m
Pre-Course Survey10m
1개 연습문제
Quiz 110m
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)
9개의 동영상
Data slicing5m
Training options7m
Plotting predictors10m
Basic preprocessing10m
Covariate creation17m
Preprocessing with principal components analysis14m
Predicting with Regression12m
Predicting with Regression Multiple Covariates11m
1개 연습문제
Quiz 210m
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)
1개 연습문제
Quiz 310m
완료하는 데 4시간 필요
Week 4: Regularized Regression and Combining Predictors
This week, we will cover regularized regression and combining predictors.
완료하는 데 4시간 필요
4개 동영상 (총 33분), 2 개의 읽기 자료, 3 개의 테스트
2개의 읽기 자료
Course Project Instructions (READ FIRST)10m
Post-Course Survey10m
2개 연습문제
Quiz 410m
Course Project Prediction Quiz40m
검토
PRACTICAL MACHINE LEARNING의 최상위 리뷰
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.
EG 제공2016년 7월 27일
I learned a lot in this class. There are slight gaps from the depth of material covered in the lectures to the quizzes and assignment. If you're good at researching online, you'll be fine.
자주 묻는 질문
강의 및 과제를 언제 이용할 수 있게 되나요?
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.
이 전문 분야를 구독하면 무엇을 이용할 수 있나요?
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.
환불 규정은 어떻게 되나요?
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.
재정 지원을 받을 수 있나요?
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.
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.
