One of the most common tasks performed by data scientists and data analysts are prediction and machine learning. This course will cover the basic components of building and applying prediction functions with an emphasis on practical applications. The course will provide basic grounding in concepts such as training and tests sets, overfitting, and error rates. The course will also introduce a range of model based and algorithmic machine learning methods including regression, classification trees, Naive Bayes, and random forests. The course will cover the complete process of building prediction functions including data collection, feature creation, algorithms, and evaluation.
Practical Machine Learning
ofrecido por
Universidad Johns Hopkins
Acerca de este Curso
53,346 vistas recientes
Resultados profesionales del estudiante
38%
comenzó una nueva carrera después de completar estos cursos
38%
consiguió un beneficio tangible en su carrera profesional gracias a este curso
12%
consiguió un aumento de sueldo o ascenso
Habilidades que obtendrás
Random ForestMachine Learning (ML) AlgorithmsMachine LearningR Programming
Resultados profesionales del estudiante
38%
comenzó una nueva carrera después de completar estos cursos
38%
consiguió un beneficio tangible en su carrera profesional gracias a este curso
12%
consiguió un aumento de sueldo o ascenso
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Aprox. 14 horas para completar
Inglés (English)
Subtítulos: Inglés (English), Coreano
Programa - Qué aprenderás en este curso
2 horas para completar
Week 1: Prediction, Errors, and Cross Validation
This week will cover prediction, relative importance of steps, errors, and cross validation.
2 horas para completar
9 videos (Total 73 minutos), 4 lecturas, 1 cuestionario
9 videos
What is prediction?8m
Relative importance of steps9m
In and out of sample errors6m
Prediction study design9m
Types of errors10m
Receiver Operating Characteristic5m
Cross validation8m
What data should you use?6m
4 lecturas
Welcome to Practical Machine Learning10m
A Note of Explanation2m
Syllabus10m
Pre-Course Survey10m
1 ejercicios de práctica
Quiz 110m
2 horas para completar
Week 2: The Caret Package
This week will introduce the caret package, tools for creating features and preprocessing.
2 horas para completar
9 videos (Total 96 minutos)
9 videos
Data slicing5m
Training options7m
Plotting predictors10m
Basic preprocessing10m
Covariate creation17m
Preprocessing with principal components analysis14m
Predicting with Regression12m
Predicting with Regression Multiple Covariates11m
1 ejercicios de práctica
Quiz 210m
1 horas para completar
Week 3: Predicting with trees, Random Forests, & Model Based Predictions
This week we introduce a number of machine learning algorithms you can use to complete your course project.
1 horas para completar
5 videos (Total 48 minutos)
1 ejercicios de práctica
Quiz 310m
4 horas para completar
Week 4: Regularized Regression and Combining Predictors
This week, we will cover regularized regression and combining predictors.
4 horas para completar
4 videos (Total 33 minutos), 2 lecturas, 3 cuestionarios
2 lecturas
Course Project Instructions (READ FIRST)10m
Post-Course Survey10m
2 ejercicios de práctica
Quiz 410m
Course Project Prediction Quiz40m
Principales revisiones sobre Practical Machine Learning
Issues of every stage of the construction of learning machine model, as well as issues with several different machine learning methods are well and in fine yet very understandable detail explained.
Excellent introduction to basic ML techniques. A lot of material covered in a short period of time! I will definitely seek more advanced training out of the inspiration provided by this class.
Acerca de Universidad Johns Hopkins
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
Preguntas Frecuentes
¿Cuándo podré acceder a las lecciones y tareas?
Una vez que te inscribes para obtener un Certificado, tendrás acceso a todos los videos, cuestionarios y tareas de programación (si corresponde). Las tareas calificadas por compañeros solo pueden enviarse y revisarse una vez que haya comenzado tu sesión. Si eliges explorar el curso sin comprarlo, es posible que no puedas acceder a determinadas tareas.
¿Qué recibiré si me suscribo a este Programa especializado?
Cuando te inscribes en un curso, obtienes acceso a todos los cursos que forman parte del Programa especializado y te darán un Certificado cuando completes el trabajo. Se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes auditar el curso sin costo.
¿Cuál es la política de reembolsos?
¿Hay ayuda económica disponible?
¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.