Acerca de este Curso

60,448 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

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

Qué aprenderás

  • Use the basic components of building and applying prediction functions

  • Understand concepts such as training and tests sets, overfitting, and error rates

  • Describe machine learning methods such as regression or classification trees

  • Explain the complete process of building prediction functions

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

ofrecido por

Logotipo de Universidad Johns Hopkins

Universidad Johns Hopkins

Programa - Qué aprenderás en este curso

Calificación del contenidoThumbs Up89%(5,659 calificaciones)Info
Semana
1

Semana 1

2 horas para completar

Week 1: Prediction, 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 ejercicio de práctica
Quiz 110m
Semana
2

Semana 2

2 horas para completar

Week 2: The Caret Package

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 ejercicio de práctica
Quiz 210m
Semana
3

Semana 3

1 hora para completar

Week 3: Predicting with trees, Random Forests, & Model Based Predictions

1 hora para completar
5 videos (Total 48 minutos)
5 videos
Bagging9m
Random Forests6m
Boosting7m
Model Based Prediction11m
1 ejercicio de práctica
Quiz 310m
Semana
4

Semana 4

4 horas para completar

Week 4: Regularized Regression and Combining Predictors

4 horas para completar
4 videos (Total 33 minutos), 2 lecturas, 3 cuestionarios
4 videos
Combining predictors7m
Forecasting7m
Unsupervised Prediction4m
2 lecturas
Course Project Instructions (READ FIRST)10m
Post-Course Survey10m
2 ejercicios de práctica
Quiz 410m
Course Project Prediction Quiz40m

Revisiones

Principales revisiones sobre PRACTICAL MACHINE LEARNING
Ver todos los comentarios

Preguntas Frecuentes

  • 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.

  • 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.

¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.