課程信息

13,170 次近期查看
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。
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11 小時
英語(English)
字幕:英語(English)

您將獲得的技能

Decision TreeEnsemble LearningClassification AlgorithmsSupervised LearningMachine Learning (ML) Algorithms
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。
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11 小時
英語(English)
字幕:英語(English)

提供方

Placeholder

IBM

教學大綱 - 您將從這門課程中學到什麼

1

1

完成時間為 2 小時

Logistic Regression

完成時間為 2 小時
10 個視頻 (總計 91 分鐘), 6 個閱讀材料, 3 個測驗
10 個視頻
Welcome1分鐘
Optional: How to create a project in IBM Watson Studio5分鐘
Introduction: What is Classification?6分鐘
Introduction to Logistic Regression2分鐘
Classification with Logistic Regression12分鐘
Confusion Matrix, Accuracy, Specificity, Precision, and Recall7分鐘
Classification Error Metrics: ROC and Precision-Recall Curves10分鐘
Logistic Regression Lab - Part 113分鐘
Logistic Regression Lab - Part 216分鐘
Logistic Regression Lab - Part 313分鐘
6 個閱讀材料
About this course3分鐘
Optional: Introduction to IBM Watson Studio4分鐘
Optional: Overview of IBM Watson Studio3分鐘
Optional: Download data assets3分鐘
Logistic Regression Demo (Activity)10分鐘
Summary/Review4分鐘
3 個練習
Logistic Regression4分鐘
Logistic Regression Demo2分鐘
End of Module10分鐘
2

2

完成時間為 1 小時

K Nearest Neighbors

完成時間為 1 小時
7 個視頻 (總計 50 分鐘), 2 個閱讀材料, 3 個測驗
7 個視頻
K Nearest Neighbors Decision Boundary3分鐘
K Nearest Neighbors Distance Measurement8分鐘
K Nearest Neighbors with Feature Scaling5分鐘
K Nearest Neighbors Notebook - Part 19分鐘
K Nearest Neighbors Notebook - Part 26分鐘
K Nearest Neighbors Notebook - Part 311分鐘
2 個閱讀材料
K Nearest Neighbors Demo (Activity)3分鐘
Summary/Review1分鐘
3 個練習
K Nearest Neighbors3分鐘
N Nearest Neighbors Demo5分鐘
End of Module15分鐘
完成時間為 2 小時

Support Vector Machines

完成時間為 2 小時
11 個視頻 (總計 67 分鐘), 2 個閱讀材料, 4 個測驗
11 個視頻
Classification with Support Vector Machines2分鐘
The Support Vector Machines Cost Function5分鐘
Regularization in Support Vector Machines6分鐘
Introduction to Support Vector Machines Gaussian Kernels2分鐘
Support Vector Machines Gaussian Kernels - Part 14分鐘
Support Vector Machines Gaussian Kernels - Part 24分鐘
Implementing Support Vector Machines Kernel Models8分鐘
Support Vector Machines Notebook - Part 18分鐘
Support Vector Machines Notebook - Part 28分鐘
Support Vector Machines Notebook - Part 310分鐘
2 個閱讀材料
Support Vector Machines Demo (Activity)3分鐘
Summary/Review2分鐘
4 個練習
Support Vector Machines5分鐘
Support Vector Machines Kernels3分鐘
Support Vector Machines Demo3分鐘
End of Module10分鐘
3

3

完成時間為 2 小時

Decision Trees

完成時間為 2 小時
8 個視頻 (總計 60 分鐘), 2 個閱讀材料, 3 個測驗
8 個視頻
Building a Decision Tree6分鐘
Entropy-based Splitting2分鐘
Other Decision Tree Splitting Criteria4分鐘
Pros and Cons of Decision Trees5分鐘
Decision Trees Notebook - Part 16分鐘
Decision Trees Notebook - Part 28分鐘
Decision Trees Notebook - Part 315分鐘
2 個閱讀材料
Decision Trees Demo (Activity)10分鐘
Summary/Review3分鐘
3 個練習
Decision Trees4分鐘
Decision Trees Demo3分鐘
End of Module10分鐘
完成時間為 2 小時

Ensemble Models

完成時間為 2 小時
15 個視頻 (總計 93 分鐘), 3 個閱讀材料, 6 個測驗
15 個視頻
Ensemble Based Methods and Bagging - Part 21分鐘
Ensemble Based Methods and Bagging - Part 33分鐘
Random Forest7分鐘
Bagging Notebook - Part 16分鐘
Bagging Notebook - Part 26分鐘
Bagging Notebook - Part 39分鐘
Review of Bagging4分鐘
Overview of Boosting3分鐘
Adaboost and Gradient Boosting Overview7分鐘
Adaboost and Gradient Boosting Syntax4分鐘
Stacking7分鐘
Boosting Notebook - Part 17分鐘
Boosting Notebook - Part 215分鐘
Boosting Notebook - Part 35分鐘
3 個閱讀材料
Bagging Demo (Activity)3分鐘
Boosting and Stacking Demo (Activity)3分鐘
Summary/Review10分鐘
6 個練習
Bagging5分鐘
Random Forest3分鐘
Bagging Demo3分鐘
Boosting and Stacking5分鐘
Boosting and Stacking Demo5分鐘
End of Module10分鐘
4

4

完成時間為 2 小時

Modeling Unbalanced Classes

完成時間為 2 小時
6 個視頻 (總計 30 分鐘), 1 個閱讀材料, 3 個測驗
6 個視頻
Upsampling and Downsampling6分鐘
Modeling Approaches: Weighting and Stratified Sampling3分鐘
Modeling Approaches: Random and Synthetic Oversampling5分鐘
Modeling Approaches: Nearing Neighbor Methods4分鐘
Modeling Approaches: Blagging5分鐘
1 個閱讀材料
Summary/Review10分鐘
2 個練習
Modeling Unbalanced Classes4分鐘
End of Module10分鐘

關於 IBM Introduction to Machine Learning 專項課程

This specialization will help you realize the potential of machine learning in a business setting. There will be a focus on helping you gain the skills that will help you succeed in a career in machine learning and data science. You will be able to realize the potential of machine learning and artificial intelligence in different business scenarios. You will also be able to identify when to use machine learning to explain certain behaviors and when to use it to predict future outcomes. You will also learn how to evaluate your machine learning models and to incorporate best practices....
IBM Introduction to Machine Learning

常見問題

還有其他問題嗎?請訪問 學生幫助中心