课程信息

778,355 次近期查看

学生职业成果

34%

完成这些课程后已开始新的职业生涯

35%

通过此课程获得实实在在的工作福利

12%

加薪或升职
可分享的证书
完成后获得证书
100% 在线
立即开始,按照自己的计划学习。
第 3 门课程(共 5 门)
可灵活调整截止日期
根据您的日程表重置截止日期。
中级
完成时间大约为34 小时
英语(English)
字幕:英语(English), 韩语

您将学到的内容有

  • Describe how machine learning is different than descriptive statistics

  • Create and evaluate data clusters

  • Explain different approaches for creating predictive models

  • Build features that meet analysis needs

您将获得的技能

Python ProgrammingMachine Learning (ML) AlgorithmsMachine LearningScikit-Learn

学生职业成果

34%

完成这些课程后已开始新的职业生涯

35%

通过此课程获得实实在在的工作福利

12%

加薪或升职
可分享的证书
完成后获得证书
100% 在线
立即开始,按照自己的计划学习。
第 3 门课程(共 5 门)
可灵活调整截止日期
根据您的日程表重置截止日期。
中级
完成时间大约为34 小时
英语(English)
字幕:英语(English), 韩语

提供方

密歇根大学 徽标

密歇根大学

教学大纲 - 您将从这门课程中学到什么

内容评分Thumbs Up91%(12,149 个评分)Info
1

1

完成时间为 8 小时

Module 1: Fundamentals of Machine Learning - Intro to SciKit Learn

完成时间为 8 小时
6 个视频 (总计 71 分钟), 4 个阅读材料, 2 个测验
6 个视频
Introduction11分钟
Key Concepts in Machine Learning13分钟
Python Tools for Machine Learning4分钟
An Example Machine Learning Problem12分钟
Examining the Data9分钟
K-Nearest Neighbors Classification20分钟
4 个阅读材料
Course Syllabus10分钟
Help us learn more about you!10分钟
Notice for Auditing Learners: Assignment Submission10分钟
Zachary Lipton: The Foundations of Algorithmic Bias (optional)30分钟
1 个练习
Module 1 Quiz20分钟
2

2

完成时间为 9 小时

Module 2: Supervised Machine Learning - Part 1

完成时间为 9 小时
12 个视频 (总计 166 分钟), 2 个阅读材料, 2 个测验
12 个视频
Overfitting and Underfitting12分钟
Supervised Learning: Datasets4分钟
K-Nearest Neighbors: Classification and Regression13分钟
Linear Regression: Least-Squares17分钟
Linear Regression: Ridge, Lasso, and Polynomial Regression19分钟
Logistic Regression12分钟
Linear Classifiers: Support Vector Machines13分钟
Multi-Class Classification6分钟
Kernelized Support Vector Machines18分钟
Cross-Validation9分钟
Decision Trees19分钟
2 个阅读材料
A Few Useful Things to Know about Machine Learning10分钟
Ed Yong: Genetic Test for Autism Refuted (optional)10分钟
1 个练习
Module 2 Quiz22分钟
3

3

完成时间为 7 小时

Module 3: Evaluation

完成时间为 7 小时
7 个视频 (总计 81 分钟), 1 个阅读材料, 2 个测验
7 个视频
Confusion Matrices & Basic Evaluation Metrics12分钟
Classifier Decision Functions7分钟
Precision-recall and ROC curves6分钟
Multi-Class Evaluation13分钟
Regression Evaluation6分钟
Model Selection: Optimizing Classifiers for Different Evaluation Metrics13分钟
1 个阅读材料
Practical Guide to Controlled Experiments on the Web (optional)10分钟
1 个练习
Module 3 Quiz28分钟
4

4

完成时间为 10 小时

Module 4: Supervised Machine Learning - Part 2

完成时间为 10 小时
10 个视频 (总计 94 分钟), 11 个阅读材料, 2 个测验
10 个视频
Random Forests11分钟
Gradient Boosted Decision Trees5分钟
Neural Networks19分钟
Deep Learning (Optional)7分钟
Data Leakage11分钟
Introduction4分钟
Dimensionality Reduction and Manifold Learning9分钟
Clustering14分钟
Conclusion2分钟
11 个阅读材料
Neural Networks Made Easy (optional)10分钟
Play with Neural Networks: TensorFlow Playground (optional)10分钟
Deep Learning in a Nutshell: Core Concepts (optional)10分钟
Assisting Pathologists in Detecting Cancer with Deep Learning (optional)10分钟
The Treachery of Leakage (optional)10分钟
Leakage in Data Mining: Formulation, Detection, and Avoidance (optional)10分钟
Data Leakage Example: The ICML 2013 Whale Challenge (optional)10分钟
Rules of Machine Learning: Best Practices for ML Engineering (optional)10分钟
How to Use t-SNE Effectively10分钟
How Machines Make Sense of Big Data: an Introduction to Clustering Algorithms10分钟
Post-course Survey10分钟
1 个练习
Module 4 Quiz20分钟

审阅

来自APPLIED MACHINE LEARNING IN PYTHON的热门评论

查看所有评论

关于 借助 Python 应用数据科学 专项课程

The 5 courses in this University of Michigan specialization introduce learners to data science through the python programming language. This skills-based specialization is intended for learners who have a basic python or programming background, and want to apply statistical, machine learning, information visualization, text analysis, and social network analysis techniques through popular python toolkits such as pandas, matplotlib, scikit-learn, nltk, and networkx to gain insight into their data. Introduction to Data Science in Python (course 1), Applied Plotting, Charting & Data Representation in Python (course 2), and Applied Machine Learning in Python (course 3) should be taken in order and prior to any other course in the specialization. After completing those, courses 4 and 5 can be taken in any order. All 5 are required to earn a certificate....
借助 Python 应用数据科学

常见问题

  • 讲座和作业的访问权限取决于您的注册类型。如果您以旁听模式参加课程,则可以免费查看大多数课程资料。要访问评分作业并获得证书,您需要在旁听期间或之后购买证书体验。如果看不到旁听选项:

    • 课程可能不提供旁听选项。您可以尝试免费试用,也可以申请助学金。
    • 课程可能会改为提供'完整课程,没有证书'。通过此选项,您可以查看所有课程材料、提交所要求的作业,以及获得最终成绩。这也意味着您将无法购买证书体验。
  • 您注册课程后,将有权访问专项课程中的所有课程,并且会在完成课程后获得证书。您的电子课程证书将添加到您的成就页中,您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容,可以免费旁听课程。

  • 如果订阅,您可以获得 7 天免费试听,在此期间,您可以取消课程,无需支付任何罚金。在此之后,我们不会退款,但您可以随时取消订阅。请阅读我们完整的退款政策

  • 是的,Coursera 可以为无法承担费用的学生提供助学金。通过点击左侧“注册”按钮下的“助学金”链接可以申请助学金。您可以根据屏幕提示完成申请,申请获批后会收到通知。您需要针对专项课程中的每一门课程完成上述步骤,包括毕业项目。了解更多

还有其他问题吗?请访问 学生帮助中心