4.7
estrellas
325 calificaciones

92 %

Mark J Grover +1 instructores más

16.207 ya inscrito

ofrecido por

Habilidades en redes de IBM

Acerca de este Curso

64.618 vistas recientes

This course introduces you to one of the main types of modelling families of supervised Machine Learning: Regression. You will learn how to train regression models to predict continuous outcomes and how to use error metrics to compare across different models. This course also walks you through best practices, including train and test splits, and regularization techniques.
By the end of this course you should be able to:
Differentiate uses and applications of classification and regression in the context of supervised machine learning 
Describe and use linear regression models
Use a variety of error metrics to compare and select a linear regression model that best suits your data
Articulate why regularization may help prevent overfitting
Use regularization regressions: Ridge, LASSO, and Elastic net
 
Who should take this course?
This course targets aspiring data scientists interested in acquiring hands-on experience  with Supervised Machine Learning Regression techniques in a business setting.
 
What skills should you have?
To make the most out of this course, you should have familiarity with programming on a Python development environment, as well as fundamental understanding of Data Cleaning, Exploratory Data Analysis, Calculus, Linear Algebra, Probability, and Statistics.

Fechas límite flexibles

Restablece las fechas límite en función de tus horarios.

Certificado para compartir

Obtén un certificado al finalizar

100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Nivel intermedio

Aprox. 21 horas para completar

Inglés (English)

¿Podría tu empresa beneficiarse de la capacitación de los empleados en las habilidades más demandadas?

Prueba Coursera para negocios

Habilidades que obtendrás

Regression Analysis
Supervised Learning
Linear Regression
Ridge Regression
Machine Learning (ML) Algorithms

Fechas límite flexibles

Restablece las fechas límite en función de tus horarios.

Certificado para compartir

Obtén un certificado al finalizar

100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Nivel intermedio

Aprox. 21 horas para completar

Inglés (English)

¿Podría tu empresa beneficiarse de la capacitación de los empleados en las habilidades más demandadas?

Prueba Coursera para negocios

Instructores

Calificación del instructor

4,71/5 (107 calificaciones)

Mark J Grover

Digital Content Delivery Lead

IBM Data & AI Learning

44.230 alumnos

13 cursos

Miguel Maldonado

Machine Learning Curriculum Developer

Data and AI Learning

29.181 alumnos

5 cursos

ofrecido por

Habilidades en redes de IBM

IBM is the global leader in business transformation through an open hybrid cloud platform and AI, serving clients in more than 170 countries around the world. Today 47 of the Fortune 50 Companies rely on the IBM Cloud to run their business, and IBM Watson enterprise AI is hard at work in more than 30,000 engagements. IBM is also one of the world’s most vital corporate research organizations, with 28 consecutive years of patent leadership. Above all, guided by principles for trust and transparency and support for a more inclusive society, IBM is committed to being a responsible technology innovator and a force for good in the world.

Mira cómo los empleados de las mejores empresas dominan las habilidades más demandadas

Obtén más información sobre Coursera para Empresas

Programa - Qué aprenderás en este curso

Calificación del contenido92%(1,207 calificaciones)

Semana

Semana 1

4 horas para completar

Introduction to Supervised Machine Learning and Linear Regression

4 horas para completar

11 videos (Total 72 minutos), 2 lecturas, 5 cuestionarios

11 videos

Welcome/Introduction Video1m

Introduction to Supervised Machine Learning - Types of Machine Learning (Part 1)4m

Introduction to Supervised Machine Learning - Types of Machine Learning (Part 2)5m

Supervised Machine Learning (Part 1)5m

Supervised Machine Learning (Part 2)7m

Regression and Classification Examples7m

Introduction to Linear Regression (Part 1)7m

Introduction to Linear Regression (Part 2)5m

(Optional) Linear Regression Demo - Part110m

(Optional) Linear Regression Demo - Part211m

(Optional) Linear Regression Demo - Part34m

2 lecturas

Course Prerequisites5m

Summary/Review4m

3 ejercicios de práctica

Practice Quiz: Introduction to Supervised Machine Learning10m

Practice Quiz: Linear Regression10m

Module 1 Graded Quiz: Introduction to Supervised Machine Learning and Linear Regression 30m

Semana

Semana 2

4 horas para completar

Data Splits and Polynomial Regression

4 horas para completar

7 videos (Total 56 minutos), 1 lectura, 5 cuestionarios

7 videos

Training and Test Splits (Part 1)4m

Training and Test Splits (Part 2)4m

(Optional) Training and Test Splits Lab - Part 1 7m

(Optional) Training and Test Splits Lab - Part 2 16m

(Optional) Training and Test Splits Lab - Part 310m

(Optional) Training and Test Splits Lab - Part 45m

Polynomial Regression7m

1 lectura

Summary/Review4m

3 ejercicios de práctica

Practice Quiz: Training and Test Splits 10m

Practice Quiz: Polynomial Regression10m

Module 2 Graded Quiz: Data Splits and Polynomial Regression30m

Semana

Semana 3

4 horas para completar

Cross Validation

4 horas para completar

7 videos (Total 63 minutos), 1 lectura, 4 cuestionarios

7 videos

Cross Validation (Part 1)7m

Cross Validation (Part 2)7m

(Optional) Cross Validation Demo - Part 110m

(Optional) Cross Validation Demo - Part 28m

(Optional) Cross Validation Demo - Part 311m

(Optional) Cross Validation Demo - Part 410m

(Optional) Cross Validation Demo - Part 56m

1 lectura

Summary/Review10m

2 ejercicios de práctica

Practice Quiz: Cross Validation10m

Graded: Module 3 Quiz: Cross Validation30m

Semana

Semana 4

3 horas para completar

Bias Variance Trade off and Regularization Techniques: Ridge, LASSO, and Elastic Net

3 horas para completar

11 videos (Total 87 minutos), 1 lectura, 4 cuestionarios

11 videos

Bias Variance Trade off (Part 1)7m

Bias Variance Trade off (Part 2)4m

Regularization and Model Selection7m

Ridge Regression8m

LASSO Regression (Part 1)5m

LASSO Regression (Part 2)3m

Elastic Net3m

Recursive Feature Elimination4m

Polynomial Features and Regularization Demo - Part 120m

Polynomial Features and Regularization Demo - Part 211m

Polynomial Features and Regularization Demo - Part 310m

1 lectura

Summary/Review10m

3 ejercicios de práctica

Practice Quiz: Regularization Techniques10m

Practice Quiz: Polynomial Features and Regularization10m

Module 4 Graded Quiz: Bias Variance Trade off and Regularization Techniques: Ridge, LASSO, and Elastic Net30m

Reseñas

4.7

73 reseña

5 stars
78,89 %
4 stars
16,51 %
3 stars
3,05 %
2 stars
0,91 %
1 star
0,61 %

Principales reseñas sobre SUPERVISED MACHINE LEARNING: REGRESSION

por NV15 de nov. de 2020

Very well designed course, great that we could work with our own data and apply the theory. Looking forward to continue the journey.

por NA27 de dic. de 2020

Learned really about supervised learning and more importantly regularization and some available methods.

por SP10 de ago. de 2021

Well structured course. Concepts are explained clearly with hands on exercises.

por PN6 de feb. de 2022

really good course, content is rich with good machine learning concepts

Ver todas las reseñas

Preguntas Frecuentes

¿Cuándo podré acceder a las lecciones y tareas?
El acceso a las clases y las asignaciones depende del tipo de inscripción que tengas. Si tomas un curso en modo de oyente, verás la mayoría de los materiales del curso en forma gratuita. Para acceder a asignaciones calificadas y obtener un certificado, deberás comprar la experiencia de Certificado, ya sea durante o después de participar como oyente. Si no ves la opción de oyente:
es posible que el curso no ofrezca la opción de participar como oyente. En cambio, puedes intentar con una Prueba gratis o postularte para recibir ayuda económica.
Es posible que el curso ofrezca la opción 'Curso completo, sin certificado'. Esta opción te permite ver todos los materiales del curso, enviar las evaluaciones requeridas y obtener una calificación final. También significa que no podrás comprar una experiencia de Certificado.
¿Qué recibiré si me suscribo a este Certificado?
Cuando te inscribes en un curso, obtienes acceso a todos los cursos del Certificado 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 Estudiante.

Desarrolla habilidades para tus empleados e impulsa los resultados de la empresa

Descubre Coursera para Empresas

Supervised Machine Learning: Regression

Acerca de este Curso

Habilidades que obtendrás