课程信息

412,201 次近期查看

学生职业成果

30%

完成这些课程后已开始新的职业生涯

30%

通过此课程获得实实在在的工作福利

11%

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)

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

30%

完成这些课程后已开始新的职业生涯

30%

通过此课程获得实实在在的工作福利

11%

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)

提供方

Placeholder

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 Up92%(14,223 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 Quiz30分钟
2

2

完成时间为 10 小时

Module 2: Supervised Machine Learning - Part 1

完成时间为 10 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 Quiz30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 Quiz30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), 12 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
12 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
Keep Learning with Michigan Online10分钟
1 个练习
Module 4 Quiz30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

借助 Python 应用数据科学

常见问题

还有其他问题吗?请访问 学生帮助中心