課程信息

778,355 次近期查看

學生職業成果

34%

完成這些課程後已開始新的職業生涯

35%

通過此課程獲得實實在在的工作福利

12%

加薪或升職
可分享的證書
完成後獲得證書
100% 在線
立即開始,按照自己的計劃學習。
第 3 門課程(共 5 門)
可靈活調整截止日期
根據您的日程表重置截止日期。
中級
完成時間大約為34 小時
英語(English)
字幕:英語(English), 韓語

您將學到的內容有

  • 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

您將獲得的技能

Python ProgrammingMachine Learning (ML) AlgorithmsMachine LearningScikit-Learn

學生職業成果

34%

完成這些課程後已開始新的職業生涯

35%

通過此課程獲得實實在在的工作福利

12%

加薪或升職
可分享的證書
完成後獲得證書
100% 在線
立即開始,按照自己的計劃學習。
第 3 門課程(共 5 門)
可靈活調整截止日期
根據您的日程表重置截止日期。
中級
完成時間大約為34 小時
英語(English)
字幕:英語(English), 韓語

提供方

密歇根大学 徽標

密歇根大学

教學大綱 - 您將從這門課程中學到什麼

內容評分Thumbs Up91%(12,113 個評分)Info
1

1

完成時間為 8 小時

Module 1: Fundamentals of Machine Learning - Intro to SciKit Learn

完成時間為 8 小時
6 個視頻 (總計 71 分鐘), 4 個閱讀材料, 2 個測驗
6 個視頻
Introduction11分鐘
Key Concepts in Machine Learning13分鐘
Python Tools for Machine Learning4分鐘
An Example Machine Learning Problem12分鐘
Examining the Data9分鐘
K-Nearest Neighbors Classification20分鐘
4 個閱讀材料
Course Syllabus10分鐘
Help us learn more about you!10分鐘
Notice for Auditing Learners: Assignment Submission10分鐘
Zachary Lipton: The Foundations of Algorithmic Bias (optional)30分鐘
1 個練習
Module 1 Quiz20分鐘
2

2

完成時間為 9 小時

Module 2: Supervised Machine Learning - Part 1

完成時間為 9 小時
12 個視頻 (總計 166 分鐘), 2 個閱讀材料, 2 個測驗
12 個視頻
Overfitting and Underfitting12分鐘
Supervised Learning: Datasets4分鐘
K-Nearest Neighbors: Classification and Regression13分鐘
Linear Regression: Least-Squares17分鐘
Linear Regression: Ridge, Lasso, and Polynomial Regression19分鐘
Logistic Regression12分鐘
Linear Classifiers: Support Vector Machines13分鐘
Multi-Class Classification6分鐘
Kernelized Support Vector Machines18分鐘
Cross-Validation9分鐘
Decision Trees19分鐘
2 個閱讀材料
A Few Useful Things to Know about Machine Learning10分鐘
Ed Yong: Genetic Test for Autism Refuted (optional)10分鐘
1 個練習
Module 2 Quiz22分鐘
3

3

完成時間為 7 小時

Module 3: Evaluation

完成時間為 7 小時
7 個視頻 (總計 81 分鐘), 1 個閱讀材料, 2 個測驗
7 個視頻
Confusion Matrices & Basic Evaluation Metrics12分鐘
Classifier Decision Functions7分鐘
Precision-recall and ROC curves6分鐘
Multi-Class Evaluation13分鐘
Regression Evaluation6分鐘
Model Selection: Optimizing Classifiers for Different Evaluation Metrics13分鐘
1 個閱讀材料
Practical Guide to Controlled Experiments on the Web (optional)10分鐘
1 個練習
Module 3 Quiz28分鐘
4

4

完成時間為 10 小時

Module 4: Supervised Machine Learning - Part 2

完成時間為 10 小時
10 個視頻 (總計 94 分鐘), 11 個閱讀材料, 2 個測驗
10 個視頻
Random Forests11分鐘
Gradient Boosted Decision Trees5分鐘
Neural Networks19分鐘
Deep Learning (Optional)7分鐘
Data Leakage11分鐘
Introduction4分鐘
Dimensionality Reduction and Manifold Learning9分鐘
Clustering14分鐘
Conclusion2分鐘
11 個閱讀材料
Neural Networks Made Easy (optional)10分鐘
Play with Neural Networks: TensorFlow Playground (optional)10分鐘
Deep Learning in a Nutshell: Core Concepts (optional)10分鐘
Assisting Pathologists in Detecting Cancer with Deep Learning (optional)10分鐘
The Treachery of Leakage (optional)10分鐘
Leakage in Data Mining: Formulation, Detection, and Avoidance (optional)10分鐘
Data Leakage Example: The ICML 2013 Whale Challenge (optional)10分鐘
Rules of Machine Learning: Best Practices for ML Engineering (optional)10分鐘
How to Use t-SNE Effectively10分鐘
How Machines Make Sense of Big Data: an Introduction to Clustering Algorithms10分鐘
Post-course Survey10分鐘
1 個練習
Module 4 Quiz20分鐘

審閱

來自APPLIED MACHINE LEARNING IN PYTHON的熱門評論

查看所有評論

關於 借助 Python 应用数据科学 專項課程

The 5 courses in this University of Michigan specialization introduce learners to data science through the python programming language. This skills-based specialization is intended for learners who have a basic python or programming background, and want to apply statistical, machine learning, information visualization, text analysis, and social network analysis techniques through popular python toolkits such as pandas, matplotlib, scikit-learn, nltk, and networkx to gain insight into their data. Introduction to Data Science in Python (course 1), Applied Plotting, Charting & Data Representation in Python (course 2), and Applied Machine Learning in Python (course 3) should be taken in order and prior to any other course in the specialization. After completing those, courses 4 and 5 can be taken in any order. All 5 are required to earn a certificate....
借助 Python 应用数据科学

常見問題

  • 讲座和作业的访问权限取决于您的注册类型。如果您以旁听模式参加课程,则可以免费查看大多数课程资料。要访问评分作业并获得证书,您需要在旁听期间或之后购买证书体验。如果看不到旁听选项:

    • 课程可能不提供旁听选项。您可以尝试免费试用,也可以申请助学金。
    • 课程可能会改为提供'完整课程,没有证书'。通过此选项,您可以查看所有课程材料、提交所要求的作业,以及获得最终成绩。这也意味着您将无法购买证书体验。
  • 您注册课程后,将有权访问专项课程中的所有课程,并且会在完成课程后获得证书。您的电子课程证书将添加到您的成就页中,您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容,可以免费旁听课程。

  • 如果订阅,您可以获得 7 天免费试听,在此期间,您可以取消课程,无需支付任何罚金。在此之后,我们不会退款,但您可以随时取消订阅。请阅读我们完整的退款政策

  • 是的,Coursera 可以为无法承担费用的学生提供助学金。通过点击左侧“注册”按钮下的“助学金”链接可以申请助学金。您可以根据屏幕提示完成申请,申请获批后会收到通知。您需要针对专项课程中的每一门课程完成上述步骤,包括毕业项目。了解更多

還有其他問題嗎?請訪問 學生幫助中心