Regresión logística con NumPy y Python

제공자:
Coursera Project Network
학습자는 이 안내 프로젝트에서 다음을 수행하게 됩니다.

Implementarás el algoritmo de descenso de gradientes desde cero

Realizarás una regresión logística con Numpy y Python

Crearás visualizaciones de datos con Matplotlib y Seaborn

Clock2 horas
Beginner초급
Cloud다운로드 필요 없음
Video분할 화면 동영상
Comment Dots스페인어
Laptop데스크톱 전용

Bienvenidos a este curso basado en un proyecto de regresión logística con Numpy y Python. En este proyecto, aprenderás uno de los conceptos bases del machine learning sin usar ninguna de las bibliotecas o librerías populares de machine learning como scikit-learn y statsmodels. El objetivo de este proyecto es que implementes por ti mismo toda la carpintería, incluyendo descenso de gradiente, función de costo, y regresión logística, que se utilizan en diversos algoritmos de aprendizaje, para que tengas una comprensión más profunda de los fundamentos. Para cuando complete este proyecto, podrá construir un modelo de regresión logística utilizando Python y Numpy, realizar análisis de datos exploratorios básicos, e implementar el descenso de gradientes desde cero. Este curso se ejecuta en la plataforma de proyectos prácticos de Coursera llamada Rhyme. En Rhyme, se realizan proyectos de forma práctica en el navegador. Tendrás acceso instantáneo a escritorios en la nube pre-configurados que contienen todo el software y los datos que necesitas para el proyecto. Todo ya está configurado directamente en tu navegador de Internet para que puedas concentrarte en el aprendizaje. Para este proyecto, obtendrás acceso instantáneo a un escritorio en la nube con Python, Jupyter, Numpy y Seaborn preinstalados.

개발할 기술

  • Data Science
  • Machine Learning
  • Python Programming
  • classification
  • Numpy

단계별 학습

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

  1. Introducción a Rhyme y al proyecto

  2. Importar el dataset y las librerías

  3. Visualización de los datos

  4. Definir la función logística de Sigmoid

  5. Calcular la función del costo y el gradiente

  6. Inicializar el costo y el gradiente

  7. Calcular el descenso del gradiente

  8. Trazar la convergencia de la función del costo

  9. Trazar el límite de decisión

  10. Realizar predicciones usando los valores optimizados

안내형 프로젝트 진행 방식

작업 영역은 브라우저에 바로 로드되는 클라우드 데스크톱으로, 다운로드할 필요가 없습니다.

분할 화면 동영상에서 강사가 프로젝트를 단계별로 안내해 줍니다.

자주 묻는 질문

자주 묻는 질문

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.