Dimensionality Reduction using an Autoencoder in Python

4.6
별점
79개의 평가
제공자:
Coursera Project Network
2,344명이 이미 등록했습니다.
학습자는 이 안내 프로젝트에서 다음을 수행하게 됩니다.

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

Clock60 minutes
Intermediate중급
Cloud다운로드 필요 없음
Video분할 화면 동영상
Comment Dots영어
Laptop데스크톱 전용

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 ReductionArtificial Neural NetworkMachine Learningclustering

단계별 학습

작업 영역이 있는 분할 화면으로 재생되는 동영상에서 강사는 다음을 단계별로 안내합니다.

  1. An introduction to the problem and a summary of needed imports

  2. Dataset creation and preprocessing

  3. Using PCA as a baseline for model performance

  4. Theory behind the autoencoder architecture and how to train a model in scikit-learn

  5. 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.

강사

검토

DIMENSIONALITY REDUCTION USING AN AUTOENCODER IN PYTHON 의 최상위 리뷰

모든 리뷰 보기

자주 묻는 질문

자주 묻는 질문

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.