课程信息

48,043 次近期查看
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。
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11 小时
英语(English)

您将获得的技能

Decision TreeEnsemble LearningClassification AlgorithmsSupervised LearningMachine Learning (ML) Algorithms
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。
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11 小时
英语(English)

提供方

Placeholder

IBM

教学大纲 - 您将从这门课程中学到什么

1

1

完成时间为 2 小时

Logistic Regression

完成时间为 2 小时
10 个视频 (总计 91 分钟), 6 个阅读材料, 3 个测验
10 个视频
Welcome1分钟
Optional: How to create a project in IBM Watson Studio5分钟
Introduction: What is Classification?6分钟
Introduction to Logistic Regression2分钟
Classification with Logistic Regression12分钟
Confusion Matrix, Accuracy, Specificity, Precision, and Recall7分钟
Classification Error Metrics: ROC and Precision-Recall Curves10分钟
Logistic Regression Lab - Part 113分钟
Logistic Regression Lab - Part 216分钟
Logistic Regression Lab - Part 313分钟
6 个阅读材料
About this course3分钟
Optional: Introduction to IBM Watson Studio4分钟
Optional: Overview of IBM Watson Studio3分钟
Optional: Download data assets3分钟
Logistic Regression Demo (Activity)10分钟
Summary/Review4分钟
3 个练习
Logistic Regression4分钟
Logistic Regression Demo2分钟
End of Module10分钟
2

2

完成时间为 1 小时

K Nearest Neighbors

完成时间为 1 小时
7 个视频 (总计 50 分钟), 2 个阅读材料, 3 个测验
7 个视频
K Nearest Neighbors Decision Boundary3分钟
K Nearest Neighbors Distance Measurement8分钟
K Nearest Neighbors with Feature Scaling5分钟
K Nearest Neighbors Notebook - Part 19分钟
K Nearest Neighbors Notebook - Part 26分钟
K Nearest Neighbors Notebook - Part 311分钟
2 个阅读材料
K Nearest Neighbors Demo (Activity)3分钟
Summary/Review1分钟
3 个练习
K Nearest Neighbors3分钟
N Nearest Neighbors Demo5分钟
End of Module15分钟
完成时间为 2 小时

Support Vector Machines

完成时间为 2 小时
11 个视频 (总计 67 分钟), 2 个阅读材料, 4 个测验
11 个视频
Classification with Support Vector Machines2分钟
The Support Vector Machines Cost Function5分钟
Regularization in Support Vector Machines6分钟
Introduction to Support Vector Machines Gaussian Kernels2分钟
Support Vector Machines Gaussian Kernels - Part 14分钟
Support Vector Machines Gaussian Kernels - Part 24分钟
Implementing Support Vector Machines Kernel Models8分钟
Support Vector Machines Notebook - Part 18分钟
Support Vector Machines Notebook - Part 28分钟
Support Vector Machines Notebook - Part 310分钟
2 个阅读材料
Support Vector Machines Demo (Activity)3分钟
Summary/Review2分钟
4 个练习
Support Vector Machines5分钟
Support Vector Machines Kernels3分钟
Support Vector Machines Demo3分钟
End of Module10分钟
3

3

完成时间为 2 小时

Decision Trees

完成时间为 2 小时
8 个视频 (总计 60 分钟), 2 个阅读材料, 3 个测验
8 个视频
Building a Decision Tree6分钟
Entropy-based Splitting2分钟
Other Decision Tree Splitting Criteria4分钟
Pros and Cons of Decision Trees5分钟
Decision Trees Notebook - Part 16分钟
Decision Trees Notebook - Part 28分钟
Decision Trees Notebook - Part 315分钟
2 个阅读材料
Decision Trees Demo (Activity)10分钟
Summary/Review3分钟
3 个练习
Decision Trees4分钟
Decision Trees Demo3分钟
End of Module10分钟
完成时间为 2 小时

Ensemble Models

完成时间为 2 小时
15 个视频 (总计 93 分钟), 3 个阅读材料, 6 个测验
15 个视频
Ensemble Based Methods and Bagging - Part 21分钟
Ensemble Based Methods and Bagging - Part 33分钟
Random Forest7分钟
Bagging Notebook - Part 16分钟
Bagging Notebook - Part 26分钟
Bagging Notebook - Part 39分钟
Review of Bagging4分钟
Overview of Boosting3分钟
Adaboost and Gradient Boosting Overview7分钟
Adaboost and Gradient Boosting Syntax4分钟
Stacking7分钟
Boosting Notebook - Part 17分钟
Boosting Notebook - Part 215分钟
Boosting Notebook - Part 35分钟
3 个阅读材料
Bagging Demo (Activity)3分钟
Boosting and Stacking Demo (Activity)3分钟
Summary/Review10分钟
6 个练习
Bagging5分钟
Random Forest3分钟
Bagging Demo3分钟
Boosting and Stacking5分钟
Boosting and Stacking Demo5分钟
End of Module10分钟
4

4

完成时间为 2 小时

Modeling Unbalanced Classes

完成时间为 2 小时
6 个视频 (总计 30 分钟), 1 个阅读材料, 3 个测验
6 个视频
Upsampling and Downsampling6分钟
Modeling Approaches: Weighting and Stratified Sampling3分钟
Modeling Approaches: Random and Synthetic Oversampling5分钟
Modeling Approaches: Nearing Neighbor Methods4分钟
Modeling Approaches: Blagging5分钟
1 个阅读材料
Summary/Review10分钟
2 个练习
Modeling Unbalanced Classes4分钟
End of Module10分钟

审阅

来自 SUPERVISED LEARNING: CLASSIFICATION的热门评论

查看所有评论

常见问题

还有其他问题吗?请访问 学生帮助中心