Dimensionality Reduction using an Autoencoder in Python
How to generate and preprocess high-dimensional data
How an autoencoder works, and how to train one in scikit-learn
How to extract the encoder portion from a trained model, and reduce dimensionality of your input data
In this 1-hour long project, you will learn how to generate your own high-dimensional dummy dataset. You will then learn how to preprocess it effectively before training a baseline PCA model. You will learn the theory behind the autoencoder, and how to train one in scikit-learn. You will also learn how to extract the encoder portion of it to reduce dimensionality of your input data. In the course of this project, you will also be exposed to some basic clustering strength metrics. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.
개발할 기술
- Dimensionality Reduction
- Artificial Neural Network
- Machine Learning
- clustering
단계별 학습
작업 영역이 있는 분할 화면으로 재생되는 동영상에서 강사는 다음을 단계별로 안내합니다.
An introduction to the problem and a summary of needed imports
Dataset creation and preprocessing
Using PCA as a baseline for model performance
Theory behind the autoencoder architecture and how to train a model in scikit-learn
Reducing dimensionality using the encoder half of an autoencoder within scikit-learn
안내형 프로젝트 진행 방식
작업 영역은 브라우저에 바로 로드되는 클라우드 데스크톱으로, 다운로드할 필요가 없습니다.
분할 화면 동영상에서 강사가 프로젝트를 단계별로 안내해 줍니다.
검토
DIMENSIONALITY REDUCTION USING AN AUTOENCODER IN PYTHON 의 최상위 리뷰
Last two videos is really difficult for me, it will be very helpful if you please include some theories behind thode techniques in the reading section.
Very practical and useful introductory course. Looking for the next courses :)
I really enjoyed this course. Thank you very much for the valuable teaching.
자주 묻는 질문
자주 묻는 질문
안내 프로젝트를 구매하면 어떤 혜택이 있습니까?
데스크톱과 모바일에서 안내 프로젝트를 이용할 수 있습니까?
안내 프로젝트 강사는 누구입니까?
작업 완료 후 안내 프로젝트에서 해당 작업을 다운로드할 수 있습니까?
환불 규정은 어떻게 되나요?
재정 지원을 받을 수 있나요?
안내 프로젝트를 청강하고 동영상 일부를 무료로 볼 수 있습니까?
이 안내 프로젝트를 수행하려면 경험이 얼마나 필요합니까?
소프트웨어를 별도로 설치하지 않아도 바로 웹 브라우저를 통해 이 안내 프로젝트를 완료할 수 있습니까?
안내 프로젝트를 통해 어떤 학습 경험을 할 수 있습니까?
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.
Coursera Footer
