이 강좌에 대하여

최근 조회 18,401
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 11시간 필요
영어

귀하가 습득할 기술

Decision TreeEnsemble LearningClassification AlgorithmsSupervised LearningMachine Learning (ML) Algorithms
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 11시간 필요
영어

제공자:

Placeholder

IBM

강의 계획 - 이 강좌에서 배울 내용

1

1

완료하는 데 2시간 필요

Logistic Regression

완료하는 데 2시간 필요
10개 동영상 (총 91분), 6 개의 읽기 자료, 3 개의 테스트
10개의 동영상
Optional: How to create a project in IBM Watson Studio5m
Introduction: What is Classification?6m
Introduction to Logistic Regression2m
Classification with Logistic Regression12m
Confusion Matrix, Accuracy, Specificity, Precision, and Recall7m
Classification Error Metrics: ROC and Precision-Recall Curves10m
Logistic Regression Lab - Part 113m
Logistic Regression Lab - Part 216m
Logistic Regression Lab - Part 313m
6개의 읽기 자료
About this course3m
Optional: Introduction to IBM Watson Studio4m
Optional: Overview of IBM Watson Studio3m
Optional: Download data assets3m
Logistic Regression Demo (Activity)10m
Summary/Review4m
3개 연습문제
Logistic Regression4m
Logistic Regression Demo2m
End of Module10m
2

2

완료하는 데 1시간 필요

K Nearest Neighbors

완료하는 데 1시간 필요
7개 동영상 (총 50분), 2 개의 읽기 자료, 3 개의 테스트
7개의 동영상
K Nearest Neighbors Decision Boundary3m
K Nearest Neighbors Distance Measurement8m
K Nearest Neighbors with Feature Scaling5m
K Nearest Neighbors Notebook - Part 19m
K Nearest Neighbors Notebook - Part 26m
K Nearest Neighbors Notebook - Part 311m
2개의 읽기 자료
K Nearest Neighbors Demo (Activity)3m
Summary/Review1m
3개 연습문제
K Nearest Neighbors3m
N Nearest Neighbors Demo5m
End of Module15m
완료하는 데 2시간 필요

Support Vector Machines

완료하는 데 2시간 필요
11개 동영상 (총 67분), 2 개의 읽기 자료, 4 개의 테스트
11개의 동영상
Classification with Support Vector Machines2m
The Support Vector Machines Cost Function5m
Regularization in Support Vector Machines6m
Introduction to Support Vector Machines Gaussian Kernels2m
Support Vector Machines Gaussian Kernels - Part 14m
Support Vector Machines Gaussian Kernels - Part 24m
Implementing Support Vector Machines Kernel Models8m
Support Vector Machines Notebook - Part 18m
Support Vector Machines Notebook - Part 28m
Support Vector Machines Notebook - Part 310m
2개의 읽기 자료
Support Vector Machines Demo (Activity)3m
Summary/Review2m
4개 연습문제
Support Vector Machines5m
Support Vector Machines Kernels3m
Support Vector Machines Demo3m
End of Module10m
3

3

완료하는 데 2시간 필요

Decision Trees

완료하는 데 2시간 필요
8개 동영상 (총 60분), 2 개의 읽기 자료, 3 개의 테스트
8개의 동영상
Building a Decision Tree6m
Entropy-based Splitting2m
Other Decision Tree Splitting Criteria4m
Pros and Cons of Decision Trees5m
Decision Trees Notebook - Part 16m
Decision Trees Notebook - Part 28m
Decision Trees Notebook - Part 315m
2개의 읽기 자료
Decision Trees Demo (Activity)10m
Summary/Review3m
3개 연습문제
Decision Trees4m
Decision Trees Demo3m
End of Module10m
완료하는 데 2시간 필요

Ensemble Models

완료하는 데 2시간 필요
15개 동영상 (총 93분), 3 개의 읽기 자료, 6 개의 테스트
15개의 동영상
Ensemble Based Methods and Bagging - Part 21m
Ensemble Based Methods and Bagging - Part 33m
Random Forest7m
Bagging Notebook - Part 16m
Bagging Notebook - Part 26m
Bagging Notebook - Part 39m
Review of Bagging4m
Overview of Boosting3m
Adaboost and Gradient Boosting Overview7m
Adaboost and Gradient Boosting Syntax4m
Stacking7m
Boosting Notebook - Part 17m
Boosting Notebook - Part 215m
Boosting Notebook - Part 35m
3개의 읽기 자료
Bagging Demo (Activity)3m
Boosting and Stacking Demo (Activity)3m
Summary/Review10m
6개 연습문제
Bagging5m
Random Forest3m
Bagging Demo3m
Boosting and Stacking5m
Boosting and Stacking Demo5m
End of Module10m
4

4

완료하는 데 2시간 필요

Modeling Unbalanced Classes

완료하는 데 2시간 필요
6개 동영상 (총 30분), 1 개의 읽기 자료, 3 개의 테스트
6개의 동영상
Upsampling and Downsampling6m
Modeling Approaches: Weighting and Stratified Sampling3m
Modeling Approaches: Random and Synthetic Oversampling5m
Modeling Approaches: Nearing Neighbor Methods4m
Modeling Approaches: Blagging5m
1개의 읽기 자료
Summary/Review10m
2개 연습문제
Modeling Unbalanced Classes4m
End of Module10m

자주 묻는 질문

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.